基于颜色对比和各向异性扩散分割的显著性区域检测

《基于颜色对比和各向异性扩散分割的显著性区域检测》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、专业学位硕士学位论文基于颜色对比和各向异性扩散分割的显著性区域检测SalientRegionDetectionBasedonColorContrastandAnisotropicDiffusionSegmentation学号：墨!!Q鱼Q2墨完成日期：呈Q!墨二墨二呈大连理工大学DalianUniversityofTechnology大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经

2、发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：题超盟娅垒氅坚堑邋I堕垦丕坚堡塑盘塑L作者签名：i坠丛日期：竺垒年—』月』二日大连理工大学硕士学位论文摘要显著性检测已经成为计算机视觉处理过程中的有力工具。高级的计算机视觉的应用，诸如自适应压缩，图像检索，目标识别的预处理工作可以通过显著性检测来完成。本文在总结前人的显著性检测方法基础上，提出了基于超像素级别和区域级别的显著性检

3、测方法，这种方法能够兼顾全局的颜色差异比较和目标的空间连续性。我们的方法一共分为四个基本的部分。首先使用兴趣点检测的方法得到一个大致的显著性目标位置。这个位置有着包含大部分显著性目标，部分背景的特点，而此区域以外韵大部分为背景。基于这个大致的显著性位置我们进行颜色比较和空间关系度量得到分别考虑细节和整体性的两个显著图。利用TurboPixel将图像分割为代表中层视觉信息的超像素，通过所有超像素与大致的背景区域的差异性强弱得到显著性的强弱，得到超像素级别的颜色差异显著图。利用热学中的各项异性扩散方程解决图像的区域划分。

4、最大化图像K个区域划分的划分系数可以通过最大化有K个热源的系统温度来建模。将颜色比较得到的显著图作为一维特征和三维颜色特征共同完成图像区域划分最大程度的将显著性目标从背景中分割出来。计算每个区域和与大致的显著性区域的重合率得到每个区域的显著性强弱，得到区域级别的位置关系显著图。通过将这两个显著图使用相乘的方法结合，互相补充互相加强，得到前景和背景分开，连续完整的突出显著性目标的显著图。我们的方法在一个国际公认的显著性检测数据库微软数据库上测试，和目前六种有代表性的显著性方法比较，获得超过这六种方法的更高的查全率和准确

5、率。关键词：显著性图；视觉显著性；颜色对比；各向异性扩散SalientRegionDetectionBasedonColorContrastandAnisotropicDiffusionSegmentationAbstractSaliencydetectionhasbecomeavaluabletoolincomputervisionprocessing．1hepre．processingofhighlevelapplicationsuchasadaptivecompression，imageretrieval，an

6、dobjectrecognitioncallbeaccomplishedbysaliencydetection．Inthispaperwereconsidersomedesignschoicesofpreviousmethodandproposeasuperpixel—levelandregion’levelcombinedsaliencydetection．Oursaliencydetectionmethodtakesbothglobalcolordissimilarityandspatialconsistency

7、intoconsideration．Ouralgorithmconsistsoffourbasicsteps．First，wegetacoarsesalientregionbydetectinginterestingpoints．TheCOarSesalientregionischaracterizedbycontainingmostsalientobjectandpartbackgroundandtheimageexceptthisregionbasicallycomposesofbackgroundonly．Tw

8、osaliencymapsseparatelyconsideringdetailsandintegrityareachievedbycolorcontrastandspatialrelationmeasurebasedonthecoarsesalientregion．Everyimageisdecomposedintosuperpixelsre