基于多先驗和圖結構的顯著性物體檢測.pdf

1、顯著性物體檢測，是一個從圖像中檢測出最能引起人視覺注意的物體區(qū)域的計算機視覺處理過程，它模擬的是人類視覺系統(tǒng)的信息處理環(huán)節(jié)，為進一步高層問題的研究奠定基礎。本文所研究的顯著性檢測屬于“自底向上”、純數(shù)據(jù)驅動、不帶有人主觀目的的檢測，重點研究了面向單幅圖像和群組圖像的顯著性檢測算法設計，主要工作與創(chuàng)新點包括以下四點：
　　1.基于邊界先驗與視覺注意的顯著性模型：該模型利用邊界先驗，通過建立圖結構得到圖像中每一個超像素到邊界的測地線距

2、離，利用其來衡量顯著性大小。同時為了提高顯著性圖的質量，提出基于最大均值偏差的視覺注意點圖。實驗測試和比對都證明了所提出方法的有效性。
　　2.基于多先驗與能量圖的顯著性模型：該模型分別從顯著性物體和背景出發(fā)，結合各自先驗知識的優(yōu)勢來定義對應的顯著性衡量方式。對于顯著性物體，融合了中心－周圍對比度、中心、布局等先驗來衡量圖像元素間的迥異性，凸顯顯著物體具有的性質；對于背景，再次利用邊界先驗，基于所定義的能量圖和8鄰域“縫”，動態(tài)優(yōu)

3、化找到每一個像素到邊界的最優(yōu)“縫”，以“縫”的成本來衡量顯著性大小。實驗表明，該模型能夠取得可靠、高質量的顯著性檢測圖。
　　3.群組圖像的協(xié)同顯著性模型：該模型最大的貢獻就是使得(單幅圖像的)顯著性模型在協(xié)同顯著性的任務場景下發(fā)揮其潛在的指導作用，利用任意一種單幅顯著性模型得到的檢測結果，在一個排序框架下，通過一個兩階段的查詢關鍵詞選擇，指導協(xié)同顯著性檢測的進行，最后融合輸出得到最終的協(xié)同顯著性圖。實驗結果表明，該模型成功地突出