顯著目標(biāo)檢測方法及其應(yīng)用研究.pdf

1、生活中，人類不斷地接收新的信息以感知環(huán)境，這些信息中約80％來自于視覺，如果計(jì)算機(jī)能夠像人類一樣有效的處理視覺信息，則會為計(jì)算機(jī)視覺領(lǐng)域帶來新的變革。顯著目標(biāo)檢測方法正是從這樣的想法中提煉出來的，它能夠快速準(zhǔn)確地找到圖像中顯著目標(biāo)區(qū)域，這樣可以簡化對圖像的處理。如今，顯著目標(biāo)檢測方法已經(jīng)被引入到內(nèi)容感知、圖像編輯、目標(biāo)分類與識別、圖像前背景分割、圖像檢索等領(lǐng)域。近年來，顯著目標(biāo)檢測方法得到了廣泛關(guān)注。本文的主要工作就是以顯著目標(biāo)檢測理論

2、為基礎(chǔ)，研究顯著度度量算法，概括如下。
　　(1)將多分辨率分析技術(shù)和圖像熵用于譜剩余算法，計(jì)算并選取最佳的顯著圖。使用多分辨率技術(shù)能夠在檢測過程中兼顧不同大小的目標(biāo)，使用圖像熵作為最佳分辨率下顯著圖的選取標(biāo)準(zhǔn)，得到的顯著圖可以最大程度的抑制非顯著目標(biāo)。這種顯著目標(biāo)檢測算法具有更強(qiáng)的魯棒性，將其應(yīng)用于皮革表面的缺陷檢測問題上，取得了良好的效果。
　　(2)基于頻率調(diào)諧顯著性檢測算法，計(jì)算全局和局部顯著圖相融合的融合顯著圖。全

3、局顯著圖可以很好的表示了顯著目標(biāo)的大小、形狀及內(nèi)部信息，但對圖像中背景和大量出現(xiàn)的噪聲點(diǎn)抑制能力較弱。局部顯著圖能夠抑制噪聲點(diǎn)和局部顯著性較低的目標(biāo)。將全局顯著圖和局部顯著圖融合，得到融合顯著圖。這種基于融合顯著圖的顯著目標(biāo)檢測算法具有更強(qiáng)的魯棒性。將其應(yīng)用于復(fù)雜紋理的表面缺陷檢測問題上，取得了良好效果。
　　(3)以均值漂移濾波算法作為預(yù)處理，在其基礎(chǔ)上計(jì)算并融合顏色對比度和顏色集中度，得到最終顯著圖。首先對圖像進(jìn)行基于超像素的

4、快速自適應(yīng)均值漂移濾波，得到圖像中各超像素塊的空域和值域模式點(diǎn)信息，作為后續(xù)計(jì)算顯著度的基礎(chǔ)。然后借鑒譜剩余算法的思想，使用顏色集中度降低背景目標(biāo)的顯著度，并與顏色對比度相結(jié)合，作為最終的顯著性度量方法。最后，將該算法在國際公開的數(shù)據(jù)集上進(jìn)行測試，取得了良好的效果。
　　(4)將上述顯著目標(biāo)檢測方法與Grab Cuts相結(jié)合，完成顯著目標(biāo)的自適應(yīng)分割。首先對圖像計(jì)算得到顯著圖，然后提取顯著目標(biāo)的最大外界輪廓來計(jì)算Grab Cuts