融合类测地线与边界对比的图像显著性检测方法及应用

摘要

图像显著性检测对图像的后续处理至关重要，如何精准高效地从海量图像中定位和处理图像中显著区域，提取人们所需要的信息是目前研究的热点。对于背景简单且前景目标单一的图像，目前大多数研究算法均能取得满意的结果，但是针对背景复杂且对比度较小的图像，仍然无法有效地将目标提取出来。 本文提出了一种融合类测地线与边界对比的图像显著性检测方法，将图像边界对比图与基于背景优先思想的类测地线图结合，整体上突出前景，能够有效地提取前景与背景对比度小且具有复杂背景的图像中的显著区域，可以应用于图像压缩、图像缩放等领域。本文的主要工作和创新点如下： 提出了融合类测地线与边界对比的图像显著性检测方法。针对显著性检测方法中全局对比与局部对比存在的问题，结合背景优先的思想，本文提出了一种边界对比方法，以图像边界区域大多为背景这一先验知识，将各区域与背景区域对比得到边界对比图，然后线性融合边界对比图和有颜色对比的测地线图，并以含空间特征的无颜色对比的测地线图作为权重，计算得到显著图。 提出基于距离的ROC曲线(DROC曲线)作为图像显著性检测的评价指标。为了弥补经典的ROC曲线中单纯以对比人工标记图与显著图中匹配点的差异作为评价标准而造成的误差，本文在错误检测点上增加距离因素，提出了DROC曲线，从而使评价效果更接近人眼感知系统。 将本文提出的显著性检测方法与其它多种显著性检测方法做大量对比实验。本文方法在三个公开的数据库上与八种典型的显著性检测方法进行对比，运用包含DROC曲线在内的四种评价方法同时对其进行评价，经过实验，本文所提出的算法能更精准地将图像的显著区域检测出来，本文提出的算法尤其在前景与背景颜色差距较小时有更加明显的优势。 将本文提出的显著性检测方法与其他对比方法应用于图像缩放和图像压缩中对比效果，验证本文算法的优越性。以显著图作为图像的重要度图，采用内容感知的线裁剪图像缩放技术，进行图像缩放实验；以显著图中的显著区域作为图像的感兴趣区域，采用JPEG2000压缩算法，为感兴趣区域设置较小的压缩比，对图像进行压缩并解压缩，然后以SSIM和MSE作为图像压缩的质量评价指标对其进行质量评价，对比实验效果。结果验证本文的显著性检测方法在以上两个应用中同样表现出了优于其它八种对比方法的效果。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 本文篇章结构

第二章 图像显著性检测基本原理与相关算法

2.1 图像显著性检测原理简介

2.2 自底向上和自顶向下的视觉注意机制

2.2.1 自底向上的视觉注意机制典型算法

2.2.2 自顶向下的视觉注意机制典型算法

2.3 基于全局/局部对比思想算法

2.3.1 基于全局对比思想典型算法

2.3.2 基于局部对比思想典型算法

2.3.3 基于全局和局部对比思想典型算法

2.4 基于前/背景优先思想算法

2.4.1 基于前景优先思想典型算法

2.4.2 基于背景优先思想典型算法

2.5 本章小结

第三章 融合类测地线与边界对比的图像显著性检测方法

3.1 超像素分割

3.2 边界对比

3.3 类测地线测量

3.4 特征融合

3.5 本章小结

第四章 图像显著性检测的评价方法

4.1 评价方法简介

4.1.1 ROC曲线

4.1.2 AUC值

4.1.3 PR曲线

4.2 DROC曲线

4.3 本章小结

第五章 参数设置与对比实验详解

5.1 参数设置

5.1.1 边界对比图中像素块单位的选取

5.1.2 其它参数设置

5.2 实验对比方法和数据库

5.2.1 对比方法

5.2.2 数据库

5.3 实验结果与分析

5.4 本章小结

第六章 图像显著性在部分领域上的应用

6.1 图像显著性在图像缩放上的应用

6.1.1 基于图像显著性的内容感知图像缩放

6.1.2 实验结果与分析

6.2 图像显著性在图像压缩上的应用

6.2.1 JPEG2000图像压缩

6.2.2 压缩图像质量评价方法

6.2.3 实验结果与分析

6.3 本章小结

第七章 结论

7.1 总结

7.2 展望

参考文献

攻读学位期间所取得的相关科研成果

致谢