显著性区域检测算法研究

《显著性区域检测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、、．＾＇．＇＇产，－‘．＇心－．＜、＾．心｜，．；＾批ｃ＾；＾＾：．：，，好＾＾。＇．‘？．．－‘．：、Ｖ－啤ｖ．巧．龙、＇冰聲：兵气．＾―‘：－＂．參瓣．占每．．巧乂■＾巧璋＾分类号ＴＰＷ密级‘ｌ．；濃．＿＿＿＿＿＿＿＿ＵＤＣ期譯＿学号．．６？成令；、禱？這：－张．－子Ｖ哪，Ｖ节Ｓ＾々誇一穿這鍵輸雜論＾０：豕巧矣．六―一一＇Ｖ，帝郑吊巧硕±学位论艾ｆＩｔ獲ｅｓ’Ｍ／ＴｈｉｓｆｂｒＭａｓｔｅｒｓＤｅｇｒｅｅ＇嗦％－——’＇一＇‘．Ｖｉ．峡一＇＇

2、．＇＾＇－＾．－－如＞＊＇＾－、．心＇；、‘巧．罗，；皆．－管；著论文题旨显著性区域检测算法研究钱，—等—Ｃ—．巧起心：／ＶＶ采蘇爲记汽Ｔ安Ｃ．？申请学位类别工程硕±Ｖ：巧，＇，再讀专．业名称：让皇狸整述■—＿＿Ｖ冨囉蓉；編硏究生姓名—互？－＾－：：Ｓ；ｉ＂．Ｎ＾Ａ职称罗会兰教授：鸿：：／當导师姓名、：，．；ｖ＇。＇＇．中．．？－与亩；ｖＶ秦噫耀难。－六年六月療分类号：：ＴＰ３９１密级ＵＤＣ：学号：６７２０１３０３９９硕±学位论文显著性区域检测算法研巧Ｒｉｄｃｏ

3、ｎａｏｒｍｅｓｅａｒｃｈｏｎｓａｌｅｎｔｒｅｉｏｎｅｔｅｔｉｌｉｔｈｇｇ工程硕±学位类别；作者姓名：万成涛；计算机技术学科、专业研究方；图像处理与模式识别向会兰教授：罗指导教师口ｆ占ｖ年：月曰５？江西理工大学硕士学位论文摘要显著性区域检测旨在找寻图片中存在的最显著目标区域。观察一幅图片时，特异的目标对象往往能立即引起我们的注意。在对图像场景信息进行处理时，可以通过显著性区域检测获取优先处理对象区域，以便于合理分配计算资源，降低计算量。因此，检测图像显著性区域具有较高的应用价值。一般来说，显著性区域检测分为自上而下

4、和自下而上两种类型的方法。自上而下的方法是任务驱动型，需要利用高水平信息来进行监督性训练学习。这种方法存在复杂的跨越学科问题，因为它很可能需要结合神经学、生理学以及其它相关学科领域的知识。而自下而上的方法是数据驱动型，主要利用诸如颜色对比度及空间布局特征等底层信息来获取显著性目标区域。这种方法操作简单快速，近年来的相关研究显示这种类型的显著检测方法具有很好的效果，已广泛应用于图像分割、目标识别、视觉跟踪等领域。本文致力于对自下而上型显著性区域检测方法的探索研究，利用底层线索诸如颜色对比度以及空间布局特征等来检测显著性目标区域。本文共提出两种显著性区域检测算法，其中

5、一种为基于KL散度及多尺度融合的显著性区域检测算法，简称KLMS；另一种为基于多尺度区域融合的显著性区域检测算法，简称SRM。在一些大型参考数据集上进行实验表明，本文提出的两种算法优于当前一些先进算法，具有较高显著检测精确度和召回率，并且可以产生平滑显著图。本文主要研究工作包括：1.为解决单纯用平均颜色差值度量各超像素间颜色差异的局限性，算法KLMS采用SLICO算法分隔图像为超像素单元，依据颜色判别力聚类量化超像素颜色，统计颜色聚类标签的概率分布，并采用超像素内部颜色概率分布间的KL散度的调和平均值对超像素间的颜色差异性进行更有效的度量。为降低单尺度显著检测易产

6、生的显著区域误判几率，算法KLMS多尺度分割图像，在经过邻接扩展及KL散度调和平均值加权的无向闭环连通图上，同时结合区域对比度及边界连通性先验知识计算多幅显著图，并进行集成融合处理获得最终的显著图。2.为更好地呈现初始图像的层次信息，算法SRM基于区域邻接图，通过邻接融合及全局融合方式产生多尺度区域融合图。为得到最优的显著图，SRM算法采用元胞自动机优化初始显著图，并依据多尺度的背景概率值设定置信度矩阵，进一步改善元胞自动机的优化效果。关键词：显著性区域检测；KL散度；区域邻接图；多尺度区域融合IAbstractAbstractSalientregiondetec

7、tionaimsatfindingthemostdistinctiveobjectregionsinanimage.Whenwelookatanimage,distinctiveobjectscaninstantlyattractourattention.Wecangetpriortargetregionsthroughsalientregiondetection,soastoallocatethecomputingresourcesinamorereasonablewayandreducethecomputingconsumptionwhenweprocesst

8、heinf