視頻顯著區(qū)域檢測(cè)研究.pdf

1、視覺(jué)關(guān)注區(qū)域檢測(cè)是依靠計(jì)算機(jī)視覺(jué)構(gòu)建合理的模型，模擬人類(lèi)的視覺(jué)注意機(jī)制，快速且高效的檢測(cè)出圖像中關(guān)注區(qū)域的技術(shù)，在醫(yī)療儀器、軍事偵察、智能機(jī)器人等領(lǐng)域起到了十分關(guān)鍵的作用。優(yōu)秀的視覺(jué)顯著性模型能夠?yàn)橐曈X(jué)關(guān)注區(qū)域檢測(cè)提供更好的檢測(cè)精度并且對(duì)于不同的視頻場(chǎng)景具有較高的魯棒性。大量的神經(jīng)心理學(xué)研究表明，視覺(jué)關(guān)注區(qū)域檢測(cè)模型的構(gòu)建有兩種不同的方向：無(wú)先驗(yàn)信息，獨(dú)立于特定任務(wù)的自下而上的檢測(cè)方法和基于先驗(yàn)信息，針對(duì)特定目標(biāo)的自上而下的檢測(cè)方法。<

2、br>　　本文關(guān)注于自下而上的視覺(jué)顯著性檢測(cè)模型，對(duì)現(xiàn)有的視頻顯著性檢測(cè)模型進(jìn)行綜合比較，特別對(duì)各算法的不足之處加以分析，提出了基于視頻圖像幀對(duì)應(yīng)動(dòng)態(tài)矢量圖序列的時(shí)域?yàn)V波顯著性檢測(cè)算法以及基于視頻圖像幀靜態(tài)顯著信息和動(dòng)態(tài)顯著信息融合的顯著性檢測(cè)算法。本文的研究成果以及主要工作包括：
　　1.對(duì)于物體運(yùn)動(dòng)隨機(jī)性較強(qiáng)或者具有劇烈運(yùn)動(dòng)場(chǎng)景的視頻，由于各圖像幀之間的像素變化并不呈現(xiàn)相似的規(guī)律性，基于時(shí)域的光流顯著性檢測(cè)算法得到的顯著區(qū)域檢

3、測(cè)結(jié)果精度較差。本文通過(guò)分析圖像幀對(duì)應(yīng)的運(yùn)動(dòng)矢量圖序列的像素灰度值分布區(qū)間，保留與顯著性相關(guān)的像素灰度值，排除由于無(wú)關(guān)背景運(yùn)動(dòng)產(chǎn)生的估計(jì)誤差干擾，從而有效的提高了視頻顯著區(qū)域檢測(cè)的精確度。
　　2.對(duì)于能夠引起人類(lèi)視覺(jué)關(guān)注的顯著運(yùn)動(dòng)強(qiáng)度遠(yuǎn)低于其他與視覺(jué)關(guān)注無(wú)關(guān)的背景運(yùn)動(dòng)的視頻，由于視頻的顯著區(qū)域主要由靜態(tài)顯著信息定位，單純基于時(shí)域的顯著性檢測(cè)算法效果較差，而現(xiàn)有的時(shí)-空域視頻顯著區(qū)域檢測(cè)模型對(duì)于不同的視頻場(chǎng)景檢測(cè)效果差異較大。針對(duì)

4、這種情況，本文提出了基于像素差值的動(dòng)態(tài)權(quán)值顯著圖融合方法，綜合考慮圖像幀每一位置處?kù)o態(tài)顯著性和動(dòng)態(tài)顯著性對(duì)最終顯著性的貢獻(xiàn)，通過(guò)像素灰度值的差值以及最大灰度值綜合計(jì)算相應(yīng)的權(quán)值，有效的減少了由于靜態(tài)/動(dòng)態(tài)顯著圖計(jì)算誤差帶來(lái)的影響，提高了對(duì)包含不同場(chǎng)景的視頻序列顯著性檢測(cè)算法的魯棒性。
　　3.本文采用USCD背景差分?jǐn)?shù)據(jù)庫(kù)作為算法的評(píng)價(jià)標(biāo)準(zhǔn)，該數(shù)據(jù)庫(kù)包含18個(gè)不同場(chǎng)景下的運(yùn)動(dòng)物體圖像序列，以及相應(yīng)的每一幀ground-truth基