基于顯著區(qū)域檢測的圖像語義層次管理.pdf

1、圖像自動分類管理是數(shù)字化信息時代人們的迫切需求，同時也是智能化信息處理領(lǐng)域研究的難點(diǎn)之一。人類視覺系統(tǒng)通過對外界環(huán)境感知能夠快速抽取圖像語義信息，基于這一機(jī)制，研究基于顯著區(qū)域檢測的圖像語義層次管理是提高數(shù)字圖像信息管理和查詢的一個有益嘗試。本文主要以靜態(tài)圖像為研究對象，研究圖像的清晰度判決方法、顯著區(qū)域檢測模型和基于顯著區(qū)域的圖像層次分類管理三個方面的內(nèi)容，旨在構(gòu)建了一種符合人類思維模式的圖像層次管理模型。論文的研究內(nèi)容如下：

2、　　 1)根據(jù)人類視覺選擇注意會聚焦圖像清晰區(qū)域的特性，提出了一種用于判斷圖像中子區(qū)域之間是否存在清晰度差異的判決規(guī)則。該判決規(guī)則通過計(jì)算離散度，反映出圖像高頻分量圖(HFM)中高頻分量的離散程度，可快速、準(zhǔn)確的判斷圖像中是否存在清晰度差異。同時，針對存在差異的圖像，提出了一種基于梯度法與小波變換法的非清晰區(qū)域抑制方法，能夠?qū)Υ嬖诓町悎D像的非清晰區(qū)域進(jìn)行有效的抑制。這種清晰度的判決和處理能夠較準(zhǔn)確的模擬人類對圖像清晰度顯著特征的感知，

3、對于圖像顯著區(qū)域檢測和圖像的語義認(rèn)知有較大的影響。
　　 2)針對現(xiàn)有的顯著區(qū)域檢測模型普遍存在內(nèi)容缺失和誤檢問題，提出了一種基于多特征融合的顯著區(qū)域檢測模型。該模型在清晰度預(yù)處理的基礎(chǔ)上，首先在低層特征中融合了圖像的全局和局部的顯著特征，然后融合圖像的高層特征和低層特征，并采用中心聚集化操作和高層顯著性增強(qiáng)后處理得到融合的顯著區(qū)域檢測結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法可以在一定程度上解決大尺度圖像下顯著區(qū)域檢測的內(nèi)容缺失問題，降低了背

4、景復(fù)雜圖像的誤檢問題。顯著區(qū)域從多種角度展示了人類對圖像顯著性的認(rèn)知，對于圖像的語義認(rèn)知具有指導(dǎo)意義。
　　 3)針對手工管理大量雜亂無章的圖像存在的效率低下的問題，提出一種對圖像自動分類的圖像語義層次管理模型。該模型首先以傳統(tǒng)語義標(biāo)注為基礎(chǔ)，提出了一種層次語義標(biāo)注樹來獲取圖像庫的層次語義標(biāo)注信息，進(jìn)而對圖像分類組織到層次模型的不同文件夾下，達(dá)到自動管理圖像的目的。該模型可以很好的模擬人類管理圖像的思維過程，并能夠達(dá)到較好的管理