圖像顯著性算法和評價研究.pdf

1、目前，顯著性分析在圖像分割、圖像目標提取、自適應圖像壓縮和編碼等很多領域中都有非常成功的應用。顯著性分析算法主要有兩類：一類是基于低級視覺信息，由數(shù)據(jù)驅(qū)動的自底向上的注意模型;一 類是基于高層視覺信息,由知識驅(qū)動的自頂向下的注意模型.目前大多數(shù)算法屬于前者。對于目前出現(xiàn)的眾多算法還沒有一個系統(tǒng)的評價體系，本論文從評價的角度切入，引入兩種統(tǒng)計指標，在三個方面來計算這些統(tǒng)計指標來討論對比各種算法的優(yōu)缺點，并在評價實驗研究的基礎上建立一種新的

2、顯著性分析算法。
　　 論文的第一部分集中介紹幾種典型的顯著性分析算法，主要有Itti 等提出的顯著圖模型、Harel 等提出的基于圖論的圖像顯著性分析算法（GBVS 算法）、Achanta 等提出的兩種的顯著圖模型（AC 算法和IG 算法）以及Xiaodi Hou 等提出的一種剩余譜方法（SR 算法）。這里選擇重點介紹這幾種算法的主要原因是：它們基于不同的理論的基礎，非常具有代表性，且在計算機上易于實現(xiàn)，實驗得到的效果比較好，

3、是目前引用率較高的幾種算法。
　　 論文的第二部分引入兩種統(tǒng)計指標，在統(tǒng)計意義上進行比較五種算法的優(yōu)劣。利用人工分割提出了三組統(tǒng)計評價指標（分別為顯著圖和人工分割圖的直接對比指標，顯著圖的固定閾值分割圖和人工分割圖的對比指標以及顯著圖的自適應閾值分割圖和人工分割圖的對比指標），同時利用提出的評價指標客觀評價和分析幾種顯著性分析算法在目標分割中的應用。通過實驗結(jié)果來分析各種算法的優(yōu)缺點，從而來思考如何建立一個比較好的新的顯著性分析