基于图像划分及中心先验的显著目标检测算法

摘要

在低层计算机视觉领域，显著目标检测算法成为研究热点之一。由于缺乏高层语义信息的指导，自底向上的显著目标检测算法依赖于对视觉显著性的先验假设，包括对比度先验、背景先验及中心先验。对比度先验认为显著目标相对于其周围环境具有高对比度，考虑图像元素相对于图像整体或周围环境的独特性，倾向于检测出高对比度的目标边缘；背景先验认为图像边界多属于背景区域，考虑图像元素相对于边界的相似性，排除背景，得到显著目标，更适合背景一致的图像。中心先验认为显著目标多靠近图像中心，一般作为其他方法的辅助手段。
　　综合考虑以上先验知识，本文首先从背景先验的角度考虑，将图像划分为感兴趣区域、边界区域及中间过渡区域，采用感兴趣区域与边界区域描述图像的前景、背景特性，计算图像中所有元素相对于感兴趣区域及边界的相似性作为该像素块相对于前景、背景的相似性，然后从中心先验角度出发，定义元素的位置度量，最后将元素的前景相似性、位置度量作为元素前景特性，背景相似性作为背景特性，通过能量优化函数结合元素的前景、背景特性及相邻元素之间的平滑性得到基于图像划分与中心先验的显著模型。
　　实验结果表明，与同类算法相比，本文的显著模型能更好地突出显著目标整体，抑制背景噪声，得到较符合视觉感知的显著图。

目录

第一章 绪论

1.1 研究背景

1.2 研究内容和技术路线

1.3 本文创新点及组织结构

1.4 本章小结

第二章 相关工作

2.1 自底向上的显著检测算法

2.2 本章小结

第三章 显著先验分析

3.1 显著检测模型

3.2 显著先验

3.3 本章小结

第四章 本文算法设计

4.1 图像划分

4.2 前景、背景相关性计算

4.3 基于中心先验的位置度量

4.4 多个显著度量融合

4.5 本章小结

第五章 实验结果分析

5.1 绪论

5.2 同类算法对比

5.3 算法有效性验证

5.4 算法局限性分析

5.5 本章小结

第六章 总结与展望

6.1 本文主要贡献

6.2 下一步研究工作

参考文献

致谢

攻读学位期间发表的学术论文

攻读学位期间参与的项目

声明