顯著性區(qū)域檢測及室內(nèi)室外場景分類中關(guān)鍵技術(shù)研究.pdf

1、圖像理解的研究內(nèi)容主要包括兩個方面:一是場景中的目標檢測;二是場景描述與識別。在現(xiàn)實世界中，目標的出現(xiàn)都存在一定規(guī)律，與其周圍場景有著密切的聯(lián)系。因此場景描述與理解可以為目標識別提供先驗知識，提高對象檢測算法的性能。目前對場景描述與理解的研究主要分為兩個方向:一是從視覺心理學和生理學的研究出發(fā)，主要研究快速場景感知的心理和生理（如顯著性區(qū)域檢測）;二是研究場景分類的統(tǒng)計分析模型，通過建立簡單的統(tǒng)計計算模型實現(xiàn)場景的判斷（如室內(nèi)室外場景分

2、類）。傳統(tǒng)的視覺顯著性算法依據(jù)人的視覺模型只能獲得圖像的顯著性點，限制了其進一步的應(yīng)用，因此如何從一張圖像中獲取圖像的顯著性對象區(qū)域成為顯著性區(qū)域檢測的新的目標。另外由于光照條件，尺度變化等因素的影響，造成場景分類描述的復雜性，因此如何抽取具有魯棒性的特征用來場景理解成為圖像理解的熱門研究課題。
　　本文在系統(tǒng)的論述了國內(nèi)外圖像顯著性對象方法以及場景分類算法的現(xiàn)狀和難點的基礎(chǔ)上，分別提出了兩種新的顯著性區(qū)域檢測方法以及一種新的中層

3、特征用于室內(nèi)\室外場景分類算法。本文的主要工作和創(chuàng)新點包括:
　　1.圖像顯著性區(qū)域檢測過程中，由于大多數(shù)算法采用基于強度、邊緣以及顏色的局部Center-Surround Differences策略，生成的顯著度圖像通常只高亮顯著性區(qū)域邊緣信息而不是完整的顯著性區(qū)域。針對這一個問題，本文通過紋理的對比來區(qū)分顯著性區(qū)域和背景區(qū)域。通過猜想圖像的顯著性區(qū)域和背景區(qū)域有不同的震蕩幅度，我們提出了一個新的顯著性區(qū)域檢測算法。利用圖像極值

4、插值，更好的保持了圖像的邊緣信息，同時獲得了圖像不同區(qū)域的震蕩幅度，通過計算震蕩幅度的不同獲得圖像的顯著性區(qū)域。實驗證明，我們的方法生成的顯著度圖能夠均勻地高亮了整個顯著性區(qū)域。
　　2.基于頻率的顯著度圖檢測算法使用圖像的平均值作為圖像的冗余信息。對于多數(shù)圖像，使用均值會降低顯著性區(qū)域和背景區(qū)域的對比，從而增加區(qū)分顯著性區(qū)域和背景區(qū)域的難度。本文把背景信息當作圖像冗余信息，通過圖像顏色插值移除背景信息，生成的顯著度圖能夠均勻的高

5、亮顯著性區(qū)域，顯著性區(qū)域和背景區(qū)域具有高對比度，并且在公共數(shù)據(jù)庫上有很高的準確率和召回率。
　　3.傳統(tǒng)的圖像場景分類算法只使用圖像的低級特征，如顏色，邊緣，紋理等，無法引入圖像的空間信息和圖像的語義信息。本文通過采用超像素作為處理單元，自然的引入圖像的空間信息。另外，圖像的超像素通常都是含有語義的對象或者是對象的一部分，從而引入圖像的語義信息，成為圖像分類的理想處理單元。實驗也表明，采用中級特征可以有效的把圖像分為室內(nèi)和室外場景