机器学习、背景抑制与感知正反馈相结合的视觉显著性检测方法

摘要

本发明公开了一种机器学习、背景抑制与感知正反馈相结合的视觉显著性检测方法。算法模拟人眼微跳视与感知衰退机制，提出一种算法框架。首先，图像被直接、粗略划分为注视区和非注视区；通过对这两个区域像素的多次随机采样，来模拟微跳视对注视区的重复扫描。采样后的多个样本集，经学习构建出多个PELM模型；多模型的分类结果叠加构成粗显著图。接着，粗显著图通过RBD算法抑制背景，并针对注视区构建基于PELM的正反馈迭代过程；若迭代中PELM分类结果稳定，则视觉感知饱和，结束循环。PELM分类结果可被看作一种视觉刺激，叠加刺激形成目标被强化的新显著图，可实现了一种完全数据驱动、逐步求精的显著性检测。