全局形狀與局部一致性聯(lián)合建模的顯著性檢測(cè).pdf

1、人類擁有在任意復(fù)雜圖像中快速識(shí)別顯著目標(biāo)或區(qū)域的能力，為人類視覺神經(jīng)系統(tǒng)進(jìn)一步處理圖像做出準(zhǔn)備。視覺顯著性的任務(wù)是使用計(jì)算機(jī)模擬人的視覺系統(tǒng)，檢測(cè)出圖像中的顯著目標(biāo)或顯著區(qū)域，輸出一幅表示圖像中各區(qū)域或像素屬于顯著目標(biāo)的概率的顯著圖，用于進(jìn)一步的圖像處理，如圖像壓縮，目標(biāo)識(shí)別，圖像檢索等。
　　本文基于受限玻爾茲曼機(jī)和條件隨機(jī)場(chǎng)分別建立了兩種顯著性檢測(cè)模型，分別從全局和局部?jī)煞N角度進(jìn)行顯著目標(biāo)檢測(cè)。傳統(tǒng)全局與局部的顯著性檢測(cè)算法因

2、其側(cè)重點(diǎn)不同，存在不同的檢測(cè)弊端?；诖?，本文提出了兩種融合策略，將全局模型與局部模型融合以彌補(bǔ)它們各自的缺陷使最終的顯著性檢測(cè)模型性能得到大幅度的提升。首先，對(duì)每幅待處理圖像進(jìn)行預(yù)分割，獲得多個(gè)尺度的圖像塊，并對(duì)獲得的圖像塊提取特征。然后，基于受限玻爾茲曼機(jī)訓(xùn)練全局模型，獲得每幅圖像中包含目標(biāo)的形狀;基于條件隨機(jī)場(chǎng)訓(xùn)練局部模型，獲取每幅圖像的局部一致性信息。將兩個(gè)模型在選定的測(cè)試集合上進(jìn)行測(cè)試，得到兩幅顯著圖。最后，提出了兩種綜合模型

3、，將上述兩模型綜合，從而實(shí)現(xiàn)全局信息與局部信息的聯(lián)合建模。第一種融合機(jī)制將兩種概率模型進(jìn)行聯(lián)合訓(xùn)練，得到一個(gè)條件隨機(jī)場(chǎng)與受限玻爾茲曼機(jī)的綜合模型，在測(cè)試圖像上重新進(jìn)行測(cè)試獲得綜合顯著圖;第二種融合機(jī)制將兩種模型得到的顯著圖直接通過(guò)求解一個(gè)最小化代價(jià)函數(shù)問(wèn)題的方法融合，得到一幅最終的綜合顯著圖。兩種融合機(jī)制都可以即保留受限玻爾茲曼機(jī)學(xué)習(xí)到的圖像全局形狀信息，又可以保留條件隨機(jī)場(chǎng)獲取的圖像局部一致性信息，得到檢測(cè)性能更好的顯著圖。