基于多尺度的动态视觉显著性检测方法.pdf

《基于多尺度的动态视觉显著性检测方法.pdf》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、研究与开发基于多尺度的动态视觉显著性检测方法楼甜甜（华东师范大学信息科学技术学院，上海200241）摘要：视觉显著性是能在视觉环境中感知突兀区域的能力，以显著性的Center-Surround为前提，提出一种基于多尺度的动态视频视觉显著性检测的方法，用不同尺度视频选取匹配的中心-周边图像块（Patch），并结合基于上下文环境的条件概率分布进行显著性检测。关键词：视觉显著性；条件概率；中心-周边；独立成分（ICs）；动态视频0引言为视觉显著性。人类视觉系统能够快速检测和定位静态视网膜上视觉显著性检测对机器人视觉的处理过程具有相感兴趣的部分，为

2、模拟这种能力，R.Milanese等人综合当重要的意义，视觉显著性可以决定注视方向，而且使自底向上和自顶向下两种策略[6]，综合了多种图像特征得对象的检测和识别更加的方便。人类的视觉有非常（亮度、颜色、曲率），并应用多尺度高斯滤波器计算显惊人的识别能力，在自然环境中，利用很少的信息资源著性子图。目前的显著区域检测算法可分为两大类，第就能识别复杂的场景。所以在计算机视觉中，把这种以一类是基于局部特征的算法，局部特征主要包括边缘注意点作为信息加工的方式引入图像分析领域，将计密度、复杂度等；第二类是基于视觉反差的算法，主要算资源优先分配给容易关注

3、的区域，将提高图像分析有DOG滤波，随机抽样匹配，Center-Surround算子[1]方法的工作效率。等，这种方法大都根据感知过程提出来，通行性更强，在我们前面的研究中，已经对静态图片做了显著也是当前主要的研究方向，其中以Itti[1~3]的算法最具代性的检测，与Itti[1~3]和Bruce[4]做出的KL（Kullback_表性。Leibler）值进行比较，效果不错。本文针对动态视频进行显著性的检测，在方法上较静态图像会有些不同，首2显著性检测算法分析先在对视频进行图像块（Patch）的抽取时，选用不同的2.1基于上下文环境的条件概

4、率（PDs）方式，其次要考虑时间维度的问题。在上述基础上提出在自然场景中，基于上下文环境的条件概率就是了一个多尺度的动态视觉显著性的检测的算法，用不指在给定背景环境中的一个目标的概率。其中，每个自同尺度的视频来选取匹配的center-surround[1]，并结合然场景中的上下文图像块都对应一个视觉目标的图像基于上下文环境的条件概率分布（ProbabilityDistribu-块，无论是在时间域还是空间域上。自然环境中的基于[5]来进行显著性检测。tions，PDs）上下文环境的条件概率是以独立成分（ICs）来表现的，1视觉显著性因为独立成

5、分的峰值明显，而且互相独立，还有一点就是自然环境的独立成分能比较好地反映视觉早期处理在未知的自然环境中，人类视觉在描述自然环境的一些方面。时，会将注意力集中在一些与周围环境有比较明显差我们使用中心-周边（Center-Surround）构造来建模别的区域，对这些区域有比较突出的反映，这种特性称基于上下文环境的条件概率，抽取不同的图像块样本收稿日期：2011-03-17修稿日期：2011-03-31作者简介：楼甜甜（1986-），女，浙江东阳人，硕士研究生，研究方向为计算机视觉现代计算机2011.04髼研究与开发为中心和周边。这个目标显著，反

6、之亦然，因此可以得出显著性S。XsAs0Us2.2多尺度图像块抽取=（1）XcAscAcUsc多尺度是指多尺度视频大小，也即对视频进行降在公式（1）中，Xs和Xc是配对的周边和中心图像维，对视频做尺度0到尺度1的降维，当然可以再对尺块样本，As、Ac、Asc是独立成分，通过这个公式我们可度1做降维，但视频信息量比较多，所以实现过程中只以根据独立成分分析（ICA）来算出独立成分，同时还可降了一次。以为后续算条件概率所用。动态视频我们用视频帧来描述时间t，对时刻t做UsWs0Xs显著性检测时需要获取更多帧的信息。在本文中，我们=

7、（2）UscWscWcXc提出了一种新型的取帧抽图像块的方法，即尺度0的根据公式（1）计算Xs和Xc的的独立成分时，采用t、t-1、t-2、t-3四帧作为中心的信息抽取图像块，在尺的是改进了的FastICA算法[5]，以使得成分Us和Usc互度1的t、t-2、t-4、t-6四帧作为周边的信息抽取图像相独立。改进版的FastICA是在研究过程中，由笔者导块，这样做的原因是在尺度0和尺度1上对各帧图像师提出想法，然后共同完成的。通过改进版的ICA我们进行了降维，所以对于整个视频来说，时间上也要进行得到As、Asc、Ac、Ws、Wsc、W

8、c这几个独立的积，其中降维，以达到维度上的统一，如图2。As是周边图像块的独立成分，Asc是周边与中心图像块匹配的独立成分，Ac是周边与中心图像块不匹配的独立成分，示例结果可以看