基于目標(biāo)候選樣本選擇的顯著性檢測(cè).pdf

1、隨著科技的發(fā)展和進(jìn)步，人類(lèi)每時(shí)每刻都會(huì)接受來(lái)自各個(gè)方面的圖像信息，如何快速有效處理這些數(shù)字圖像成為人類(lèi)面對(duì)的一個(gè)難題。顯著性檢測(cè)將圖像中人眼感興趣的目標(biāo)區(qū)域利用計(jì)算機(jī)檢測(cè)出來(lái)。作為預(yù)處理，顯著性檢測(cè)廣泛的應(yīng)用于圖像處理的相關(guān)領(lǐng)域，比如圖像檢索、目標(biāo)識(shí)別等。
　　目標(biāo)候選樣本具有數(shù)量多、形狀變化范圍大的特點(diǎn)，而且僅僅存在一小部分的目標(biāo)候選樣本包含與目標(biāo)相關(guān)的信息?，F(xiàn)有的目標(biāo)候選樣本產(chǎn)生算法通常會(huì)產(chǎn)生大量的樣本，同時(shí)現(xiàn)有的評(píng)價(jià)機(jī)制無(wú)法

2、很好的評(píng)價(jià)目標(biāo)候選樣本的顯著性和目標(biāo)性。因此，本文從目標(biāo)候選樣本選擇的角度出發(fā)，提出了基于目標(biāo)候選樣本選擇的顯著性檢測(cè)算法。該方法采用由粗到精的選擇框架評(píng)價(jià)目標(biāo)候選樣本。在粗選擇階段，我們利用重新定義的評(píng)價(jià)指標(biāo)描述目標(biāo)候選樣本的顯著性，將分?jǐn)?shù)最高的樣本作為偽真值輸出。在精選擇階段，我們訓(xùn)練一個(gè)結(jié)構(gòu)化分類(lèi)器排序目標(biāo)候選樣本，加權(quán)疊加分?jǐn)?shù)靠前的目標(biāo)候選樣本得到目標(biāo)候選樣本級(jí)顯著圖。不同于傳統(tǒng)的分類(lèi)器，我們采用的分類(lèi)器可以將顯著性較高的目標(biāo)候