基于多聚類(lèi)和多示例的協(xié)同顯著性目標(biāo)檢測(cè).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，圖像采集設(shè)備如數(shù)碼相機(jī)和智能手機(jī)等的廣泛普及，每天都會(huì)有海量的圖像數(shù)據(jù)產(chǎn)生，在這些數(shù)據(jù)中摻雜著大量冗余信息。人們?cè)谟^測(cè)這些圖像數(shù)據(jù)時(shí)會(huì)首先注意圖像中感興趣的區(qū)域，進(jìn)而對(duì)其進(jìn)行優(yōu)先處理。顯著性檢測(cè)就是利用計(jì)算機(jī)技術(shù)模仿人類(lèi)的視覺(jué)注意機(jī)制，自動(dòng)提取圖像中顯著區(qū)域，這不僅可以大大壓縮計(jì)算機(jī)待處理的數(shù)據(jù)，節(jié)約計(jì)算機(jī)的存儲(chǔ)空間，同時(shí)可以提高計(jì)算效率。
　　目前顯著性檢測(cè)方法已獲得許多成果，但更多僅適用于單圖檢測(cè)，不

2、適用于多圖協(xié)同顯著性檢測(cè)。多圖協(xié)同顯著性目標(biāo)檢測(cè)一般應(yīng)用于從多幅圖像或多個(gè)視頻中，尋找相同或相似的顯著性目標(biāo)，其強(qiáng)調(diào)顯著性和協(xié)同性。本文在研究已有工作基礎(chǔ)上，提出了兩種協(xié)同顯著性目標(biāo)檢測(cè)算法：基于多聚類(lèi)的協(xié)同顯著性目標(biāo)檢測(cè)算法、基于多特征融合多示例學(xué)習(xí)的顯著性目標(biāo)檢測(cè)算法。
　　觀察發(fā)現(xiàn)，當(dāng)圖像場(chǎng)景簡(jiǎn)單時(shí)，選用較少的聚類(lèi)數(shù)目就可以有較準(zhǔn)確的聚類(lèi)結(jié)果；而當(dāng)圖像場(chǎng)景復(fù)雜時(shí)，選用較多的聚類(lèi)數(shù)目才會(huì)有準(zhǔn)確聚類(lèi)結(jié)果，為了能對(duì)不同場(chǎng)景實(shí)現(xiàn)自主

3、選擇更準(zhǔn)確的聚類(lèi)數(shù)目，本文提出了基于多聚類(lèi)的協(xié)同顯著性目標(biāo)檢測(cè)算法。該算法將多聚類(lèi)數(shù)目下生成的協(xié)同顯著性結(jié)果進(jìn)行不同權(quán)重的融合，即對(duì)每一場(chǎng)景圖像執(zhí)行多個(gè)聚類(lèi)數(shù)目下的聚類(lèi)，再在每一聚類(lèi)數(shù)目下計(jì)算該聚類(lèi)數(shù)目對(duì)應(yīng)的置信度，置信度越高，則在最后融合過(guò)程中賦予越大的權(quán)值。
　　另外，本文提出了基于多特征融合多示例學(xué)習(xí)的顯著性目標(biāo)檢測(cè)算法。該算法考慮到不同特征檢測(cè)出的結(jié)果對(duì)于不同場(chǎng)景圖像的貢獻(xiàn)度不同，因此構(gòu)建了如下算法步驟：首先提取示例構(gòu)建正