基于被包圍狀態(tài)和馬爾可夫模型的顯著性檢測.pdf

1、顯著物體檢測在計(jì)算機(jī)視覺領(lǐng)域是一個(gè)長期被研究的問題，近年來越來越受到研究者的重視。顯著物體檢測的目標(biāo)是在一幅圖像中能夠準(zhǔn)確高效的檢測出吸引人類視覺注意的區(qū)域。高效準(zhǔn)確的顯著性檢測已經(jīng)被應(yīng)用于互聯(lián)網(wǎng)和人工智能等領(lǐng)域的圖像處理應(yīng)用中，比如圖像檢索、圖像壓縮、圖像分割和內(nèi)容感知的圖像編輯等。
　　本論文提出了一種利用被包圍狀態(tài)和馬爾可夫模型進(jìn)行圖像顯著性檢測的方法。與以往利用馬爾可夫模型進(jìn)行顯著性檢測的方法不同，本論文結(jié)合了背景先驗(yàn)線索

2、和前景先驗(yàn)線索進(jìn)行顯著性檢測。以往的顯著性檢測方法往往只是挖掘圖像的背景先驗(yàn)線索，而忽略了對(duì)前景先驗(yàn)線索的有效利用。對(duì)于圖像中背景先驗(yàn)線索的挖掘通常趨向于簡單的把圖像四周作為背景，這樣做往往會(huì)導(dǎo)致對(duì)于顯著目標(biāo)靠近圖像邊界的圖像的顯著性檢測不夠準(zhǔn)確?；诖?，本論文通過利用被包圍狀態(tài)檢測顯著物體大致區(qū)域，得到前景先驗(yàn)線索。再結(jié)合前景先驗(yàn)將距離顯著物體大致區(qū)域最遠(yuǎn)的兩條邊界作為背景先驗(yàn)。
　　首先，與以往算法利用凸包預(yù)測顯著物體大致區(qū)域

3、不同，我們利用被包圍狀態(tài)對(duì)眼睛注視點(diǎn)預(yù)測計(jì)算顯著性物體的大致區(qū)域更準(zhǔn)確。然后，使用簡單線性迭代聚類（SLIC）算法對(duì)原始圖像處理得到圖像的超像素圖，基于超像素圖建立圖像的圖模型。接著，將距離顯著性物體大致區(qū)域最遠(yuǎn)的兩條邊界的超像素作為虛擬背景吸收節(jié)點(diǎn)，利用吸收馬爾可夫鏈計(jì)算每個(gè)超像素的顯著性值，檢測出初始的顯著圖S1。再以計(jì)算出的顯著性物體大致區(qū)域中的超像素作為虛擬前景吸收節(jié)點(diǎn)，利用吸收馬爾可夫鏈檢測出初始的顯著性圖S2。最后，融合S1