計算機視覺中前景目標檢測算法的研究.pdf

1、計算機視覺就是利用計算機通過圖像或視頻來分析處理周圍環(huán)境，模擬人類視覺系統的信息處理過程。計算機往往需要先對圖像或視頻中的前景目標進行檢測定位，以便進行后續(xù)的識別、跟蹤和分析等一系列更高層次的處理。本文的重點研究內容是計算機視覺中前景目標檢測的相關算法，具體分為基于圖像顯著性檢測的靜態(tài)圖像中的前景目標檢測和基于背景建模的動態(tài)視頻中的前景目標檢測。圖像的視覺顯著性信息能夠描述在無意識情況下圖像的不同區(qū)域對人類視覺系統產生的不同程度的刺激，

2、可以用來作為圖像中前景目標檢測的依據。背景建模是從視頻圖像序列中分離出所要觀察目標的最常用方法，背景建模的準確與否，會對后續(xù)處理的準確性造成很大的影響。
　　因此，本文圍繞上述兩部分的研究內容，提出了基于小波變換和區(qū)域融合的顯著性檢測算法以及基于樣本局部密度離群點檢測的背景建模算法。
　　基于小波變換和區(qū)域融合的顯著性檢測算法，首先利用小波分解并重建得到輸入圖像在不同通道不同尺度的特征圖，計算得到輸入圖像的局部顯著圖;然后利

3、用Mean-Shift算法對原始圖像進行分割聚類，融合相似的區(qū)塊，并通過計算各區(qū)塊間的顏色距離矩陣得到輸入圖像的全局顯著圖;在合成最終顯著圖階段，將全局顯著值作為區(qū)域權重調制到相應像素點的局部顯著值上，得到最終的顯著圖。通過對顯著性檢測模型得到的顯著圖的定性分析及計算準確率、召回率和F-Measure的定量分析，得出我們提出的顯著性檢測模型具有很多優(yōu)勢，能得到更好的檢測結果。
　　基于樣本局部密度離群點檢測的背景建模算法，首先計算