基于多特征的圖像顯著性檢測(cè).pdf

1、圖像的顯著性目標(biāo)或區(qū)域是指圖像中人眼特別關(guān)注的有特定意義的目標(biāo)或區(qū)域。圖像顯著性檢測(cè)的目的是利用計(jì)算機(jī)模擬人類視覺(jué)系統(tǒng)自動(dòng)檢測(cè)出一幅圖像中的顯著目標(biāo)或區(qū)域。隨著計(jì)算機(jī)視覺(jué)系統(tǒng)的智能化發(fā)展，圖像顯著性檢測(cè)已成為計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的一個(gè)研究熱點(diǎn)。傳統(tǒng)的顯著性檢測(cè)算法如生物啟發(fā)式算法、頻域殘差法、基于圖的檢測(cè)方法等都存在著不同程度的缺陷，不能準(zhǔn)確完整地檢測(cè)出一幅圖像的顯著性區(qū)域，因此不能完全滿足對(duì)檢測(cè)結(jié)果的進(jìn)一步應(yīng)用需求。
　　一

2、幅自然圖像的顯著性目標(biāo)是相對(duì)于整幅圖像來(lái)說(shuō)某些特征較為稀疏或出現(xiàn)頻率較低的部分?；陲@著性目標(biāo)的這一性質(zhì)，近期一些文獻(xiàn)提出了基于特征稀疏分解的顯著性檢測(cè)方法，其主要思想是將一幅圖像的特征分解成低秩部分和稀疏部分，其中低秩部分具有強(qiáng)相關(guān)性，代表非顯著區(qū)域，稀疏部分則表示顯著性區(qū)域。然而單一特征無(wú)法刻畫(huà)自然圖像中目標(biāo)特征的豐富多樣性。因此，本文提出一個(gè)基于多特征和稀疏分解的顯著性檢測(cè)模型，首先對(duì)圖像進(jìn)行超像素分割，提取每個(gè)超像素塊的多種屬性

3、特征；然后對(duì)每個(gè)超像素的特征數(shù)據(jù)設(shè)計(jì)一個(gè)自表示模型，即用圖像中所有超像素的特征線性表示每一個(gè)超像素特征，對(duì)表示系數(shù)用非凸的Trace Lasso正則化，對(duì)表示誤差用分組稀疏度量；最后通過(guò)聯(lián)合使用多特征的稀疏誤差度量圖像的顯著性。此外，本文在基于多特征的檢測(cè)結(jié)果基礎(chǔ)上，給出一個(gè)去除虛假的小的孤立顯著區(qū)域的方法，該方法有效去除了顯著性檢測(cè)結(jié)果中的雜亂點(diǎn)干擾。大量的實(shí)驗(yàn)結(jié)果表明，本文所提方法的檢測(cè)結(jié)果無(wú)論在視覺(jué)效果上還是客觀評(píng)價(jià)指標(biāo)上都比相關(guān)