基于先驗融合和流形排序的顯著目標檢測.pdf

1、顯著目標檢測可以應(yīng)用于許多計算機視覺任務(wù)中，包括內(nèi)容感知的圖像編輯，目標分類和識別，圖像前背景分割，圖像檢索等。因此，顯著目標檢測近年來受到了很多的關(guān)注。顯著目標檢測的主要任務(wù)是準確提取出圖像中顯著目標區(qū)域，并輸出一副顯著圖來表示每個像素屬于顯著目標的可能性。
　　由于缺少高層的理解知識，自底向上的顯著目標檢測是一個嚴重的病態(tài)問題。利用合理的先驗知識有助于病態(tài)問題的解決?；诖?，本文提出了一種新穎的先驗融合(PriorIntegr

2、ation，PI)顯著目標檢測算法。以往顯著目標檢測模型一般都是基于對比度先驗，但僅僅利用這一種先驗仍存在很多的問題，如不能均勻的突出目標等。目前，很多工作將中心先驗引入到顯著目標檢測模型中。但是，中心先驗對目標位置十分敏感，目標一旦偏離中心，中心先驗將不再成立?；诖?，本文通過目標粗定位算法來估計顯著目標的中心，并假設(shè)目標一般位于檢測的中心附近，來提升中心先驗的魯棒性和有效性。而后將對比度先驗和新的中心先驗結(jié)合來得到初始的顯著圖。為了

3、進一步改善初始顯著圖的效果，我們將圖像分割領(lǐng)域內(nèi)的光滑先驗應(yīng)用于顯著目標檢測。我們通過優(yōu)化一個圖模型上的連續(xù)二次能量方程來促使相鄰近似節(jié)點具有相似的顯著性值，即光滑先驗，以使得最終顯著圖更加均勻的突出目標。
　　本文將顯著目標檢測看成是流形結(jié)構(gòu)上的排序問題，提出了一種全新的流形排序(Manifold ranking，MR)顯著目標檢測算法。首先，利用閉環(huán)k正則圖模型來模擬圖像數(shù)據(jù)的流形結(jié)構(gòu)。然后，構(gòu)建了一個兩級排序方案來高效的提取

4、顯著區(qū)域和背景區(qū)域。以往的顯著目標檢測算法主要是利用顯著目標的特性，如對比度先驗，來直接檢測出目標區(qū)域。少數(shù)算法則是主要考慮背景特征，來提取出背景區(qū)域，進而得到顯著區(qū)域。與以往算法不同的是，本文提出的兩級排序算法同時考慮目標和背景。第一級利用背景特性，提取出背景區(qū)域，進而得到第二級需要的顯著目標信息。第二級則利用目標特性和第一級提供的目標信息，直接提取出顯著區(qū)域。
　　通過在MSRA-1000和MSRA兩個公開數(shù)據(jù)庫的大量實驗結(jié)果