視覺顯著性檢測模型研究及應用.pdf

1、人類視覺系統(tǒng)在面對復雜自然場景時，具有快速搜索感興趣目標的能力，這種能力我們稱之為視覺注意。在人類生存與發(fā)展的過程中，視覺注意扮演著至關重要的角色。視覺注意和人類如何感知、處理視覺刺激緊密相關，并且正在被包括認知心理學、神經生物學和計算機視覺在內的多個學科進行研究。隨著認知心理學和神經生物學的不斷發(fā)展，通過對視覺機理的研究發(fā)現(xiàn)，人類視覺對場景中目標的選擇性可分為兩個階段:一個快速的、無意識的、數(shù)據驅動的、自底向上的階段和一個較慢的、有意

2、識的、任務驅動的、自頂向下的階段。而與視覺注意緊密相連的概念就是視覺顯著性，他是指導視覺注意的一個關鍵注意機制。圖像顯著性區(qū)域檢測研究的目的是快速定位顯著性區(qū)域并反映顯著性區(qū)域的顯著程度。視覺顯著性區(qū)域檢測在圖像處理中有著廣泛的應用，包括圖像分割、目標識別、自適應壓縮、內容敏感圖像編輯、圖像檢索、目標檢測、目標跟蹤、圖像質量評價等。本文從視覺注意機制的研究出發(fā)，對視覺顯著性檢測與應用中的一些關鍵問題進行了較為深入的研究，提出了一些新的思

3、想和算法。論文的主要工作與貢獻包括:
　　(1)針對已有局部對比度和全局對比度建模方法存在的不足，本文提出了一種基于條件隨機場融合全局特征的顯著性區(qū)域檢測方法。該方法首先采用唯一性、顏色空間分布等全局特征計算相應的顯著圖;其次在條件隨機場框架下融合多個顯著圖，通過顯著性區(qū)域與背景區(qū)域的區(qū)域標注實現(xiàn)顯著性區(qū)域初步檢測:然后采用基于顯著性區(qū)域的高斯模型計算目標先驗圖，并對全局特征顯著圖進行高斯濾波;最后再利用條件隨機場融合濾波之后的顯

4、著圖來實現(xiàn)更加精確的顯著性檢測。實驗結果表明該方法能均勻致密的凸顯顯著性區(qū)域，有效的抑制背景干擾，并具有較高的檢測準確率與召回率。
　　(2)基于視覺機制挖掘可應用的更高層次的顯著性先驗特征，本文提出了一種融合多級顯著性特征的顯著性目標檢測方法。該方法融合了基于像素級的局部對比度、基于區(qū)域級的全局對比度以及基于目標級的背景先驗信息。該方法基于凸包檢測技術使用底層的視覺線索從背景分離顯著性目標。基于初級的檢測結果提取背景模版，利用P

5、CA計算背景先驗信息。為了抑制背景干擾，該方法采用目標中心先驗信息精煉局部對比度特征和全局對比度特征。在公開的數(shù)據集上的實驗表明，該方法所得到的顯著圖能較好的凸顯顯著性目標。同時也證明Otsu自適應閾值方法可以用來產生高質量的目標分割結果。
　　(3)針對視覺顯著性在目標跟蹤過程中的應用研究，本文提出了一種基于視覺注意的目標跟蹤算法。該算法首先采用基于背景先驗的視覺顯著性檢測算法來提取目標的顯著性特征，其次采用基于貝葉斯決策理論的

6、前景背景分類方法來提取目標的運動特征，然后利用顯著特征引導運動特征與顏色特征進行目標狀態(tài)估計，最后結合自適應粒子濾波形成目標跟蹤算法。實驗結果表明在復雜場景下，該算法相對于現(xiàn)有的目標跟蹤算法具有較強的魯棒性，對光照變化、姿態(tài)變化、目標遮擋、快速運動、復雜背景等具有較好的跟蹤效果。
　　(4)針對槍球聯(lián)動接力跟蹤過程中的目標離開槍機畫面后在球機中初始定位問題，本文提出了一種基于視覺注意的槍球聯(lián)動接力跟蹤方法。該方法采用網格結合插值算