全局与局部融合的显著区域检测算法研究

摘要

在复杂场景中，人类视觉系统可以将注意力快速精确定位到感兴趣的区域，如何把视觉神经系统引入到计算机中，让计算机忽视图像中大量的冗余数据，将图像中的显著区域快速准确地提取出来，是这篇论文研究的重点。
　　本研究主要内容包括：⑴提出了一种改进的基于边界全局对比的检测方法。通过研究之前的测地线边界先验算法，发现直接使用边界先验可以迅速得出超像素与边界空间上的权值关系从而画出显著图，但如果一个显著物体哪怕只有很少的部分连接到边界，也会直接被定义为背景。所以如果显著物体有部分在图像边界时，与之相连的显著物体在轮廓上会有很大误差。为了使显著物体的表述更加精确，论文提出改进的基于边界的全局检测方法，算法主要是先把超像素按颜色划分区域，将多个超像素组成的颜色区域作为一个整体去和边界对比得出显著图，通过实验，发现较好的解决了原有算法中显著物体轮廓不完整的缺陷。⑵提出了一种新的全局与局部融合的视觉显著算法。对比全局检测算法和局部检测算法的优缺点，发现两者融合可以取得较好的效果，但是现有的融合算法都是将全局与局部显著值简单的相加或相乘，这种方法计算简单但是鲁棒性不强。论文提出了一种新的基于全局与局部结合的算法，通过局部聚类分割算法标定出的前景和背景与基于边界的全局描述算法结合，并在显著物体边界做出特别的优化，解决了现有的全局局部相结合的算法鲁棒性不强的问题。最终结果与当前其他算法相比，具有一定优越性。

目录

声明

第一章 绪 论

1.1 课题的研究背景及意义

1.2 课题研究现状

1.3 课题研究内容

1.4 论文结构安排

第二章 视觉显著检测理论基础

2.1 引言

2.2 视觉特征的描述

2.3 图像显著检测方法

2.4 本章小结

第三章 全局检测方法及其改进方法研究

3.1 引言

3.2 全局对比检测方法

3.3 改进的基于边界颜色对比的全局检测算法

3.4 实验对比

3.5 本章小结

第四章 基于改进的全局局部融合的显著检测算法

4.1 引言

4.2 局部聚类分割算法

4.3 全局与局部融合的显著检测算法

4.4 融合算法实验对比

4.5 本章小结

第五章 总结与展望

5.1 论文工作的总结

5.2 下一步工作的展望

参考文献

攻读学位期间所取得的相关科研成果

致谢