基于視覺顯著性的物體檢測方法研究.pdf

1、視覺顯著性機(jī)制是人眼視覺系統(tǒng)的重要組成部分,指人在面對(duì)復(fù)雜場景時(shí),會(huì)將注意力快速集中在少數(shù)感興趣的區(qū)域,然后利用有限的處理能力對(duì)該區(qū)域進(jìn)行優(yōu)先處理。傳統(tǒng)的基于局部特征的物體檢測方法是先對(duì)圖像采窗,再提取特征,最后用分類器判別。這種方法由于需要對(duì)圖像進(jìn)行大量地采窗,并對(duì)每個(gè)窗分別進(jìn)行特征提取和分類操作,計(jì)算量非常大。若將視覺顯著性機(jī)制應(yīng)用到物體檢測中,能夠快速地提取與目標(biāo)相關(guān)的顯著區(qū)域,對(duì)圖像中的顯著區(qū)域和非顯著區(qū)域進(jìn)行不同的處理,可以減

2、少背景對(duì)物體檢測的干擾,將有限的計(jì)算資源用于處理感興趣區(qū)域,提高物體檢測的效率和準(zhǔn)確率。
　　本文研究了將視覺顯著性機(jī)制應(yīng)用到物體檢測中的方法,提出了一種基于圖像分類框架的自頂向下的視覺顯著性計(jì)算模型,學(xué)習(xí)了目標(biāo)物體和背景噪聲的信息,能在提取目標(biāo)物體的同時(shí)抑制背景噪聲。該模型包括特征提取、特征編碼、局部特征合并和顯著性檢測四個(gè)步驟。實(shí)驗(yàn)結(jié)果表明,與已有的顯著性檢測模型相比,該模型能有效地檢測出與目標(biāo)相關(guān)的顯著區(qū)域,并同時(shí)抑制與目標(biāo)

3、物體無關(guān)的非顯著區(qū)域。
　　文章在上述模型的基礎(chǔ)上,提出了基于尺度選擇的特征合并算法。由于不同尺度的特征合并對(duì)顯著性檢測的結(jié)果有著重要的影響,該算法從多個(gè)尺度中選擇出一個(gè)最優(yōu)尺度來對(duì)圖像的局部特征進(jìn)行表示。實(shí)驗(yàn)結(jié)果表明,與其它尺度相比,最優(yōu)尺度上的特征合并能明顯提升顯著性檢測的結(jié)果。而與其它顯著性模型相比,本文模型在KLD和P-R曲線兩項(xiàng)評(píng)價(jià)標(biāo)準(zhǔn)的結(jié)果都是最優(yōu)的,在最優(yōu)尺度上的平均KLD值更小,表明該模型的顯著性檢測結(jié)果更接近于真