基于壓縮域的視覺顯著性檢測及其應(yīng)用研究.pdf

1、采用現(xiàn)有的基于像素域的圖像/視頻顯著性檢測算法，往往需要先將壓縮的圖像/視頻進(jìn)行完全解碼，這無疑增加了算法的計算復(fù)雜度。目前絕大部分的圖像/視頻內(nèi)容采用離散余弦變換（discrete cosine transform，DCT）技術(shù)來實現(xiàn)壓縮編碼，若采用DCT變換后的壓縮域數(shù)據(jù)進(jìn)行視覺顯著性檢測，能夠明顯地減少算法計算復(fù)雜度，有利于檢測算法在資源受限的移動終端中應(yīng)用。因此，基于壓縮域的視覺顯著性檢測是一個值得深入研究的課題。本文在研究基于

2、壓縮域的圖像顯著性檢測算法的基礎(chǔ)上，著重研究了基于壓縮域的顯著性檢測在圖像縮放的應(yīng)用，以及基于壓縮域的視頻運動顯著性檢測算法，取得的研究結(jié)果如下:
　　提出了一種基于壓縮域的視覺顯著性檢測的圖像縮放算法。該算法利用壓縮域的視覺顯著性檢測算法獲取視覺顯著圖，然后提取顯著區(qū)域獲得能量分布圖并結(jié)合視覺顯著圖形成累積能量圖，由此確定最佳裁剪路徑進(jìn)行線裁剪，實現(xiàn)了圖像的縮放。利用針對圖像縮放的公共數(shù)據(jù)庫進(jìn)行實驗測試，結(jié)果表明，本文算法不僅整

3、體主觀效果明顯比現(xiàn)有算法的主觀效果好，而且質(zhì)量指數(shù)也比現(xiàn)有算法的質(zhì)量指數(shù)平均提高了8.99％。
　　提出了一種基于壓縮域的視頻運動顯著性檢測算法。該算法直接從壓縮的視頻流中獲取預(yù)測幀中每個8×8塊的運動矢量，并利用這些運動矢量提取運動特征。根據(jù)運動矢量值分別計算運動強度圖，以及利用各向異性的高斯分布函數(shù)計算運動中心周圍差異圖，采用不確定權(quán)重系數(shù)的規(guī)則將兩者融合獲得運動顯著圖。運動顯著圖可與靜態(tài)顯著圖融合成最終的視頻顯著圖。本文采用

4、標(biāo)準(zhǔn)測試序列數(shù)據(jù)庫的視頻數(shù)據(jù)進(jìn)行實驗測試，并根據(jù)接受者工作特征(receiver operating characteristic，ROC)曲線下面積(areaunder curve，AUC)和F-measure(信息檢索領(lǐng)域常用的評價標(biāo)準(zhǔn))對算法性能做出定量評估。結(jié)果表明，與現(xiàn)有算法相比，本文算法所獲得的運動顯著圖和融合顯著圖的主觀效果較為顯著，而且運動顯著圖的AUC和F-measure值平均提高了11.7％和11.4％，融合顯著圖的