基于先驗知識融合的顯著性目標檢測.pdf

1、隨著信息技術(shù)的發(fā)展和數(shù)碼產(chǎn)品的普及，圖像和視頻資源越來越豐富，但信息冗余問題隨之產(chǎn)生。因此，從圖像或視頻資源中提取重要的信息從而對圖像或視頻進行簡潔有效地表達顯得越來越重要。受人類視覺系統(tǒng)髙效處理機制的啟發(fā)，圖像顯著性檢測模型應(yīng)運而生。圖像顯著性檢測算法的主要任務(wù)是準確高效地提取圖像中最能引起人類視覺關(guān)注的顯著性區(qū)域。
　　以往的顯著性檢測算法一般是基于對比度先驗知識或中心先驗知識，但是通常會存在不能均勻突出顯著性目標的問題，并且

2、當顯著性目標不在圖像中心時，傳統(tǒng)的中心先驗知識假設(shè)將不再成立。基于此，本文提出了一種基于先驗知識融合的自底向上顯著性目標檢測算法。與以往大部分算法直接對圖像底層信息進行處理不同的是，本文采取了由粗到細的兩級策略進行顯著性檢測。
　　首先，在第一級中，本文利用先驗知識的融合生成粗糙顯著性圖。針對傳統(tǒng)中心先驗知識魯棒性不高的問題，利用角點檢測算法來粗定位圖像中目標的中心，并以此獲得新的中心先驗知識，提高算法的魯棒性。另外，考慮到圖像中

3、顯著性目標一般不會與圖像邊界相接觸，將圖像像素的顯著性定義為當前像素與邊界像素的相關(guān)性，進而充分地利用圖像的邊界先驗知識。而后將對比度先驗知識、新的中心先驗知識和邊界先驗知識有效融合獲得粗糙顯著性圖。
　　其次，為了進一步改善粗糙顯著性圖的性能，本文在第二級中提出了基于先驗知識融合的能量方程，使得最終的顯著性圖能夠更加準確均勻地突出顯著性目標。該能量方程融合了基于邊界先驗知識的背景能量項、基于粗糙顯著性圖的數(shù)據(jù)能量項和基于光滑先驗