視覺協同顯著性目標檢測算法研究.pdf

1、隨著互聯網的普及以及智能手機、社交網站的迅速發(fā)展，信息時代人們對圖像和視頻等視覺數據的應用需求也在迅速增長。面對著這些海量的信息，人們越來越傾向于通過計算機從圖像和視頻數據中獲取有用信息。視覺顯著性檢測能夠有效地模擬人類對圖像的視覺感知，檢測出符合人類視覺認知的顯著目標或區(qū)域，這樣人們就能夠將有限的計算資源分配至視覺信息中的重要部分進行重點分析和處理，從而縮短數據處理的時間和提高計算機的信息處理效率。到目前為止，由于我們對人類的視覺系統(tǒng)

2、的認知還不充分，當前顯著性模型還有諸多不足之處，因此顯著性模型研究依然是計算機視覺領域的研究熱點之一。
　　本文的主要工作包括以下兩個方面一：
　　(1)當給定一個含有特定目標圖像集時，人類視覺注意會逐漸關注這類目標。為了有效地模擬人的這種視覺感知，本文提出了弱監(jiān)督學習下的視覺顯著性目標檢測算法。該算法通過不斷的加強對顯著性區(qū)域的學習及更新顯著性區(qū)域，逐漸地學習出特定目標的視覺表征，最后實現對這類視覺目標的感知，從而模擬人對

3、特定目標的逐漸關注和學習的過程。實驗對比結果表明，所提算法能夠有效的檢測出視覺顯著性目標，并且具有較高的準確率。
　　(2)人對事物的感知可以分為預注意階段和識別階段，在無意識的情況下，往往圖像中區(qū)別度最大的區(qū)域或目標能夠俘獲我們的注意力，當帶有頂層先驗知識后，則我們的視覺會對與頂層先驗知識相關的視覺目標比較關注。為了模擬人類的這種視覺感知過程，本文提出了底層和頂層信息協同感知的視覺顯著性目標檢測算法，該算法主要是通過頂層信息改變