視覺(jué)顯著性區(qū)域計(jì)算及顯著性物體分割方法研究.pdf

1、隨著移動(dòng)存儲(chǔ)技術(shù)和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，全球圖像視頻數(shù)據(jù)正在呈現(xiàn)爆炸式增長(zhǎng)。這些圖像和視頻的信息量已經(jīng)超過(guò)計(jì)算機(jī)所擁有的計(jì)算能力，給視覺(jué)大數(shù)據(jù)處理技術(shù)提出了新的挑戰(zhàn)。人類(lèi)可以從大量的視覺(jué)輸入中定位出少量最重要的視覺(jué)信息，然后對(duì)其進(jìn)行分析和處理。人們希望智能信息處理系統(tǒng)具有人類(lèi)這種從粗略看到精細(xì)看的能力。視覺(jué)顯著性計(jì)算方法就是模仿人類(lèi)的粗看過(guò)程對(duì)視覺(jué)信息進(jìn)行有效篩選，而顯著性物體分割就是模仿人類(lèi)的細(xì)看過(guò)程為場(chǎng)景理解奠定基礎(chǔ)。本文在現(xiàn)有研究

2、的基礎(chǔ)上，對(duì)視覺(jué)顯著性計(jì)算和顯著性物體分割展開(kāi)深入研究。
　　首先，在含有復(fù)雜背景的自然圖像中，單一尺度下的局部顯著性線(xiàn)索不能對(duì)圖像中的整個(gè)顯著性物體進(jìn)行有效的描述。針對(duì)該問(wèn)題提出了一種金字塔融合的視覺(jué)顯著性區(qū)域檢測(cè)算法。將圖像分解為互不相交的區(qū)域并以此為圖像顯著性分析的基元，在此基礎(chǔ)上提取各區(qū)域的顏色并計(jì)算該分割區(qū)域的平均顏色用來(lái)進(jìn)行區(qū)域的表示。在同一尺度下構(gòu)建兩種全局顯著性線(xiàn)索包括全局區(qū)域顏色對(duì)比度線(xiàn)索和全局區(qū)域顏色空間分布線(xiàn)

3、索，采用非線(xiàn)性融合策略將這兩種線(xiàn)索進(jìn)行融合。借助圖像金字塔將不同尺度下的顯著性圖像按照相同權(quán)重融合在一起。
　　其次，針對(duì)低層視覺(jué)特征檢測(cè)不完全的問(wèn)題，提出了一種高層先驗(yàn)與低層特征融合的視覺(jué)顯著性區(qū)域檢測(cè)算法。構(gòu)建一種基于區(qū)域合并的分層圖像抽象表示，在此基礎(chǔ)上計(jì)算圖像的高層視覺(jué)線(xiàn)索包括圖像的邊界線(xiàn)索和中心先驗(yàn)線(xiàn)索，以及低層視覺(jué)特征包括顏色對(duì)比度特征和基于FCM的區(qū)域顏色分布特征。并設(shè)計(jì)出有效的融合策略將不同的視覺(jué)顯著性特征進(jìn)行融合

4、，在同一尺度下進(jìn)行遞進(jìn)式和啟發(fā)式相結(jié)合的融合策略，在不同尺度下則采用基于信息熵的融合策略，實(shí)驗(yàn)結(jié)果表明該方法可以對(duì)背景區(qū)域有很好的抑制效果。
　　再次，為充分考慮各視覺(jué)線(xiàn)索之間的交互關(guān)系，提出了一種特征組合和學(xué)習(xí)的視覺(jué)顯著性區(qū)域檢測(cè)方法。從四個(gè)方面提取區(qū)域的顯著性線(xiàn)索作為原子特征包括區(qū)域的對(duì)象性特征，基于GMM的顏色分布特征，基于邊界和中心的稀疏編碼特征和區(qū)域顏色對(duì)比度特征。利用一種新穎的特征組合策略將4維特征向量映射為15維特征

5、向量并訓(xùn)練一個(gè)logistic分類(lèi)器來(lái)區(qū)分顯著性區(qū)域和背景區(qū)域。在檢測(cè)階段采用多尺度進(jìn)行顯著性圖像的增強(qiáng)操作，在公開(kāi)數(shù)據(jù)集下的實(shí)驗(yàn)表明提出的算法可以生成高質(zhì)量的顯著性圖像。
　　最后，提出了一種基于顯著性種子點(diǎn)和隨機(jī)游走的物體分割算法實(shí)現(xiàn)自動(dòng)物體分割。第一階段利用顯著性檢測(cè)結(jié)果生成初始的種子點(diǎn)并結(jié)合SVM分類(lèi)器對(duì)這些種子點(diǎn)進(jìn)行重新標(biāo)記；第二階段將生成的種子點(diǎn)結(jié)合隨機(jī)游走算法實(shí)現(xiàn)物體的自動(dòng)分割；第三階段利用數(shù)學(xué)形態(tài)學(xué)中的腐蝕和膨脹操