基于背景先验和物体候选集的显著性对象检测研究

《基于背景先验和物体候选集的显著性对象检测研究》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、硕士学位论文基于背景先验和物体候选集的显著性对象检测研究作者姓名高航学科专业信号与信息处理指导教师李波所在学院电子与信息学院论文提交日期2018年4月10日SaliencyDetectionviaBackgroundPriorsandObjectCandidateSetsADissertationSubmittedfortheDegreeofMasterCandidate：GaoHangSupervisor：AssociateProf.LiBoSouthChinaUniversityofTechnologyGuangzhou,China分类号：

2、TN911.73学校代号：10561学号：201520109345华南理工大学硕士学位论文基于背景先验和物体候选集的显著性对象检测研究作者姓名：高航指导教师姓名、职称：李波副教授申请学位级别：工学硕士学科专业名称：信号与信息处理研究方向：图像处理论文提交日期：2018年4月10日论文答辩日期：2018年6月4日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：傅予力教授委员：周智恒教授、李波副教授、向友君副教授、余卫宇副教授摘要在一个复杂的场景中，总存在着突出的，引人注目的区域，我们称之为显著性区域。显著性对象检测的主要任务就

3、是准确提取出图像中显著性目标区域，并输出一副显著图来表示每个像素属于显著目标的可能性。由于其能够更好帮助人们理解图像以及有助于计算机快速高效地处理复杂的视觉任务，目前已广泛运用到了与计算机视觉相关的多个领域中，如目标检测，图像分割，视频压缩等。本文基于边界背景先验和物体候选集，提出了两种自底向上的显著性对象检测框架。同时本文提出了一种新颖的物体位置先验计算模型，对显著图进行优化。本文的主要工作和创新点如下:第一，本文在传统的流形排序显著性检测模型(MR)基础上，将边界背景先验和区域对比集成到一个模型中,本文称作为EMR模型。传统流形排序(MR)

4、显著性检测模型不仅利用了业界常用的边界背景先验，还假设除了边界，其他地方都是显著性区域，该假设不是很合理，与最终的需求有所矛盾。因此，本文的EMR模型舍弃了该假设，重新定义了一个新的代价函数，在边界背景先验的基础上，再根据显著性区域与周围环境颜色对比突出的特点来找到显著性区域。第二，本文基于卷积神经网络(CNN)提取高层次特征，相比于传统颜色特征，CNN提取的高层次特征具有语义性。相对于目前其他方法基于超像素提取高层次特征，本文创新地引入图像分割领域的方法，得到物体候选集，物体候选集相比于超像素，形状，纹理，语义信息更加丰富。同时，针对一些同时

5、包含显著性区域和背景的物体候选区域所造成结果的偏差，本文使用EMR方法对其进行了一个修正。第三，本文提出了一个新颖的物体位置先验计算方法，用来优化目前的显著性检测模型对于背景噪声无法很好抑制的问题。通过找到显著性区域所在的位置，来抑制远离显著性区域的噪声区域。本文定义了一个代价函数来寻找一个最优的矩形区域，它刚好可以框住显著性区域。为了减少计算量，本文提出了由粗糙定位到精准定位的求解方式来得到近似最优解。本文在三个公开的显著性检测数据集上进行验证，并与十二种经典或者最新的方法进行对比。实验结果表明，本文的模型表现好于其它十二种模型。关键词:显著

6、性检测；流形排序；背景先验；物体候选集；物体位置先验IAbstractInacomplexnaturescene,therearealwaysprominent,eye-catchingareasthatwecallsalientareas.Themaintaskofsaliencydetectionistoaccuratelyextractthesalienttargetareasandoutputasaliencymaptorepresentthepossibilitythateachpixelbelongstoasalientregion

7、.Becauseitcanbetterhelppeopleunderstandimagesandhelpcomputershandlecomplexvisualtasksquicklyandefficiently,ithasbeenwidelyusedinmanyfieldsrelatedtocomputervision,suchastargetdetection,imagesegmentation,videocompression,andsoon.Inthispaper,twobottom-upsaliencydetectionframewo

8、rksareproposedbasedontheobjectcandidatesetandboundarybackgroundpriors.Atthe