基于多層特征融合的視覺(jué)顯著性檢測(cè)研究.pdf

1、近幾年移動(dòng)互聯(lián)網(wǎng)與社交網(wǎng)絡(luò)的迅速發(fā)展使得網(wǎng)絡(luò)中圖像數(shù)據(jù)呈爆炸式增長(zhǎng)。利用顯著性檢測(cè)技術(shù)讓計(jì)算機(jī)快速選取圖像中感興趣區(qū)域以便更加高效的圖像處理，成為計(jì)算機(jī)視覺(jué)領(lǐng)域一大研究熱點(diǎn)。然而現(xiàn)有的顯著性檢測(cè)算法在顯著性目標(biāo)完整度和背景噪聲抑制上還存在不足，本文圍繞圖像視覺(jué)顯著性檢測(cè)，在其它經(jīng)典論文的基礎(chǔ)上，結(jié)合視覺(jué)顯著性檢測(cè)原理與特征融合理論，以多層次特征提取與融合為角度，設(shè)計(jì)了新的顯著性檢測(cè)方法。本文的工作主要包括以下幾點(diǎn)：
　?、佻F(xiàn)有算法

2、大都采用全局特征進(jìn)行單層次的顯著性檢測(cè)，由于局部信息的缺失，僅能對(duì)顯著性目標(biāo)進(jìn)行粗略的標(biāo)記，而無(wú)法有效地抑制背景噪聲以及準(zhǔn)確地標(biāo)記顯著性目標(biāo)細(xì)節(jié)。因此，本文從多層次特征提取出發(fā)，提出基于多層特征融合的顯著性檢測(cè)算法。首先，通過(guò)設(shè)計(jì)鄰域聚合方法將全局特征與局部特征映射到鄰域上，通過(guò)鄰域特征補(bǔ)全連續(xù)鄰域空間信息。然后，將圖像使用局部、鄰域、全局三個(gè)層次表示，改善了傳統(tǒng)采用單一層次特征所導(dǎo)致的信息缺失問(wèn)題。最后利用支持向量機(jī)進(jìn)行特征融合，避免

3、使用數(shù)學(xué)運(yùn)算進(jìn)行特征融合時(shí)參數(shù)選擇的問(wèn)題，讓支持向量機(jī)通過(guò)學(xué)習(xí)自動(dòng)分配參數(shù)。通過(guò)對(duì)公共數(shù)據(jù)集上的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，結(jié)果表明本文提出算法的平均絕對(duì)誤差明顯好于其它8種經(jīng)典方法，其它指標(biāo)也均優(yōu)于經(jīng)典算法。
　?、诨诙鄬犹卣魅诤系娘@著性檢測(cè)算法在圖像的顯著性目標(biāo)檢測(cè)中效果較好，但由于多層次特征劃分不夠細(xì)致導(dǎo)致在顯著性目標(biāo)的完整性檢測(cè)以及背景與邊緣噪聲的抑制上還存在提升空間。因此，在該算法的基礎(chǔ)上加入?yún)^(qū)域?qū)哟闻c中心－邊緣層次特征，將圖像以五

4、個(gè)層次特征表示。其中通過(guò)介于鄰域與全局之間的區(qū)域?qū)哟翁卣鬟M(jìn)一步地保留超像素不同尺度細(xì)節(jié)。利用中心比邊緣更易出現(xiàn)顯著性目標(biāo)的現(xiàn)象，引入中心－邊緣層次特征用于邊緣與背景噪聲抑制。此外，全局特征中計(jì)算全局顏色對(duì)比特征時(shí)離對(duì)比中心越近的超像素對(duì)比度權(quán)值越高，但由于顯著性目標(biāo)內(nèi)部區(qū)域與周圍顏色對(duì)比度較小，該特征將導(dǎo)致顯著性目標(biāo)中心對(duì)比效果不好。因此本文提出新的顏色對(duì)比特征，利用離超像素越遠(yuǎn)顏色對(duì)比越強(qiáng)的規(guī)律，隨距離逐漸提高超像素的權(quán)重，從而更加完