基于顯著區(qū)域檢測和TMBP的場景分類.pdf

1、場景分類也被稱為場景感知、場景識別，是計算機視覺和認知科學領域的一個具有挑戰(zhàn)性的研究問題。場景分類根據給定的語義類別對圖像數(shù)據庫進行標注，為指導目標識別等更高層次的圖像理解提供了有效的上下文語義信息。近年來的生理學實驗表明：生物視覺系統(tǒng)依賴于選擇性注意力，結合視覺記憶，快速理解場景內容，即圖像顯著性與場景語義理解是緊密相關的。因此，顯著檢測與場景分類相結合具有重要意義。
　　本文以靜態(tài)圖像為研究對象，在研究顯著區(qū)域檢測方法的基礎上

2、，通過中層語義的TMBP（Topic Model by Belief Propagation）主題建模，著重研究了基于前景和背景的TMBP場景分類三個方面的內容。論文研究內容如下：
　　1）針對多目標圖像檢測存在的誤檢問題，結合低層特征和中層提示，提出一個新的貝葉斯框架下的多目標顯著檢測方法。該方法首先用上下文感知顯著檢測方法獲取圖像的低層特征信息，然后用Ncut（Normalized cut）圖像分割取得圖像的顯著中層信息提示，

3、即多目標的類別標簽信息，根據低層和中層信息提示來計算先驗顯著圖，最后使用貝葉斯方法計算獲得圖像的后驗顯著圖。實驗結果表明，本文方法提高了顯著對象檢測精度，并且可以較好的解決多目標檢測誤檢問題。
　　2）針對現(xiàn)有的基于LDA（Latent Dirichlet Allocation）模型的圖像場景分類方法存在的計算速度慢和復雜度高的問題，采用基于信任傳遞的推理方法的 TMBP主題建模。該模型以LDA模型為框架，不同于傳統(tǒng)的VB（Var

4、iational Bayesian）和GS（Gibbs Sampling）推理方法，采用信任傳遞的近似推理方法，提高了推理的速度。實驗結果表明，TMBP主題建模的場景分類方法要比傳統(tǒng)的VB-LDA和GS-LDA更快，計算復雜度也更低。
　　3）針對基于主題建模的圖像場景分類方法存在的分類準確率低的問題，提出分別基于前景和背景的 TMBP主題建模場景分類方法。該方法首先用顯著檢測方法提取圖像的顯著區(qū)域作為前景，然后分別對前景和背景分