基于重啟隨機游走與多層次圖模型的圖像顯著性檢測方法研究.pdf

1、圖像的顯著性檢測技術是計算機視覺領域和模式識別領域中一個十分重要且基礎的問題，它的目的是為了定位圖像中最吸引人注意或感興趣的區(qū)域。對于輸入的圖像，檢測到的顯著區(qū)域往往包含圖像的主要目標或者具有判別性的特征。因而，圖像的顯著性檢測技術被廣泛應用到計算機視覺處理工作過程中，如圖像分割、圖像檢索和目標跟蹤等。對圖像的顯著性檢測方法的進一步研究有助于后續(xù)更高層次的圖像處理過程。但是，目前的圖像顯著性檢測方法在背景復雜的情況下檢測的結果表現(xiàn)并不好

2、。本文針對這個問題，從優(yōu)化先驗信息和利用多層次模型兩個角度出發(fā)，提出了基于重啟隨機游算法的圖擴散模型和基于多層次圖的圖擴散模型算法對圖像進行顯著性檢測。
　　本文主要工作如下:
　　(1)對圖像的顯著性檢測方法的發(fā)展歷程進行了調研，著重研究了基于圖的顯著性檢測方法和基于多尺度的圖像顯著性檢測方法?；诖?，介紹了幾種經(jīng)典的圖像顯著性檢測方法，為后面的研究工作進行了鋪墊。
　　(2)基于圖的圖像顯著性檢測算法依賴于先驗信息

3、的準確性，所以當圖像背景復雜時，現(xiàn)有的圖像顯著性檢測方法使用的背景先驗信息檢測到的顯著結果并不理想。針對這一問題，提出一種基于重啟隨機游走的圖擴散模型對先驗信息進行優(yōu)化，從而達到提高圖像顯著性檢測結果目的。首先，分別計算圖像的背景先驗和前景先驗信息。接著，進一步考慮圖像的局部結構，對圖像進行構圖，然后將背景先驗信息和前景先驗信息在構建的圖上進行圖擴散，從而獲的更加可靠、精準的背景度量與前景度量信息。然后，使用整合模型將背景度量和前景度量

4、信息整合在一起，得到更加精確的顯著值。最后，為了驗證算法的有效性，將提出的算法在4個公共數(shù)據(jù)集上與現(xiàn)有的21種方法進行了比較。
　　(3)多尺度多分辨率分析是獲得特征顯著圖時采用的最常用的方法。通過多尺度分辨率分析可以將圖像不同層次的重要特征反應在不同分辨率的圖像上，如較大的物體可以在低分辨率圖像上進行分析，而圖像細節(jié)則可在高分辨率圖像上進行分析。考慮到多尺度多分辨率在圖像處理中的優(yōu)勢，提出了基于多層次圖擴散模型的圖像顯著性檢測算

5、法。首先，分別計算不同尺度下圖像的背景先驗信息和前景先驗信息。接著，使用基于多層次圖結構的重啟隨機游走算法對兩種先驗信息進行擴散，得到更為合理、準確的背景度量和前景度量。然后，將背景度量和前景度量整合，獲得更精確的顯著性估計。提出的多層次圖擴散模型有一個重要的貢獻，它能夠將背景先驗和前景先驗同時且相互協(xié)作的在圖上進行擴散，從而可以在圖像的不同層次上共享并傳達顯著性線索。最后，為了驗證提出算法的有效性，將提出的算法在6個公共數(shù)據(jù)集上與現(xiàn)有