背景抑制的显著性目标检测方法研究

摘要

显著性目标检测常作为图像分析与理解的预处理模块，已成为该领域的研究热点。本文针对传统的显著性目标检测方法普遍存在的在复杂背景干扰下准确率低、得到的显著性图中目标边界模糊、显著性区域过大的问题，提出一种背景抑制的显著性目标检测方法。首先在特征提取阶段，通过超像素分割方式分块提取特征，建立无向图；然后在显著性计算阶段，利用具备目标先验的联合学习条件随机场推理节点的显著值，并通过超复数傅立叶变换在频域上消除重复性背景，完成背景抑制后的显著性目标定位；最后在显著性图生成阶段，通过半监督的流型排序引入空域上的边缘背景先验，以特征差异完成对背景的再次抑制，再扩展显著性目标得到最终的显著性图。实验结果表明，本文方法在行人、汽车和自行车类目标显著性检测中在抑制复杂背景的同时，能准确锁定指定目标的位置，并得到目标完整且边界明确的显著性图。与其它流型方法相比，该方法在评价指标的值上有显著提高，且在保证运算效率的同时，对于复杂背景下的检测具有更好的准确性。

目录

声明

致谢

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 研究内容与结构安排

2 背景抑制与显著性目标检测的相关方法

2.1 背景抑制的相关方法

2.2 显著性目标检测的相关方法

2.3 本章小结

3 背景抑制的显著性目标检测方法

3.1 基于DL-CRF的显著性目标学习

3.2 基于背景抑制的显著性目标定位

3.3 基于背景抑制的显著性图生成

3.4 背景抑制的显著性目标检测方法实现步骤

3.5 本章小结

4 背景抑制的显著性目标检测方法实验与分析

4.1 显著性目标检测的评价体系

4.2 背景抑制的显著性目标检测方法的参数设置

4.3 背景抑制的显著性目标检测方法对不同对象类的实验

4.4 本章小结

结论

参考文献

作 者 简 历

学位论文数据集