基于傳播模型的顯著性檢測(cè)方法.pdf

1、圖像顯著性檢測(cè)是圖像處理領(lǐng)域中的重要問(wèn)題，近年來(lái)受到越來(lái)越廣泛的關(guān)注。傳統(tǒng)的顯著性檢測(cè)方法通過(guò)采用不同的計(jì)算策略對(duì)比區(qū)域間的相似性，從而檢測(cè)并定位圖像中的顯著目標(biāo)。但是，由于圖像場(chǎng)景的多樣性，目前仍沒(méi)有一種方法可以適用于所有的場(chǎng)景類型。這些檢測(cè)方法或是不能一致地突出顯著目標(biāo)，或是不能正確地抑制背景區(qū)域?；诟怕逝c統(tǒng)計(jì)科學(xué)中的概率傳播模型在顯著性檢測(cè)中有成功的應(yīng)用。一個(gè)好的傳播方法依賴于設(shè)計(jì)的傳播機(jī)制，即傳播矩陣，以及用于傳播的初始信息，

2、即置信向量。本文分析研究了多種基于概率傳播模型的顯著性檢測(cè)方法，引入一種新的基于條件隨機(jī)場(chǎng)模型的顯著性檢測(cè)算法，并介紹三種不同的置信向量的計(jì)算方法。前兩種置信向量基于圖像邊界先驗(yàn)，以邊界節(jié)點(diǎn)作為背景種子點(diǎn)形成置信向量，第三種方法克服了邊界先驗(yàn)的缺陷，計(jì)算每個(gè)節(jié)點(diǎn)的背景概率，從而形成置信向量。第三種置信向量包含了更加準(zhǔn)確的顯著性信息，因此具有更準(zhǔn)確的檢測(cè)結(jié)果。實(shí)驗(yàn)表明，本文提出的基于條件隨機(jī)場(chǎng)傳播模型，并結(jié)合上述置信向量的檢測(cè)方法具有良好