基于馬爾可夫吸收概率的顯著性檢測.pdf

1、碩士學(xué)位論文基于馬爾可夫吸收概率的顯著性檢測SaliencyDetectionbasedonMarkovAbsorptionProbabilities學(xué)21201020完成大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)碩士學(xué)位論文摘要視覺的顯著性檢測是計(jì)算機(jī)視覺領(lǐng)域中一個(gè)非常重要同時(shí)又很有挑戰(zhàn)性的工作。有效的顯著性檢測模型已被成功的運(yùn)用到許多計(jì)算機(jī)視覺任務(wù)中，例如目標(biāo)分類和識別，感興趣目標(biāo)的分割，內(nèi)容感

2、知的圖像編輯等。因此，近年來，顯著性檢測模型受到了越來越多的研究者的關(guān)注。圖像顯著性檢測算法的主要任務(wù)是估計(jì)出一幅圖像中顯著性區(qū)域的位置，并輸出一副灰度圖像，灰度圖像中每個(gè)點(diǎn)的像素值表示該像素屬于顯著性區(qū)域的可能性。基于馬爾科夫吸收概率與顯著性區(qū)域檢測之間的關(guān)系，這篇文章，我們提出了一種新穎的自底向上的顯著性區(qū)域檢測算法。首先，利用圖像中的部分邊界作為背景先驗(yàn)，在一個(gè)圖模型上，我們借助于馬爾科夫吸收概率計(jì)算出一個(gè)初始的顯著性圖。不同于現(xiàn)

3、存的大多數(shù)基于圖像背景先驗(yàn)的顯著性算法借助于圖像的所有邊界作為背景先驗(yàn)，為了方便計(jì)算，我們只利用圖像的左邊界和上邊界作為圖像的背景點(diǎn)。每一個(gè)節(jié)點(diǎn)的顯著性定義為被圖像的左邊界和上邊界上所有和該節(jié)點(diǎn)相似的虛擬吸收節(jié)點(diǎn)吸收的概率之和。其次，通過排列圖像中每個(gè)節(jié)點(diǎn)與第一步圖像中的得到前景點(diǎn)之間的相關(guān)性，我們可以得到一個(gè)更好的顯著性圖，該圖能較好的突出圖像中的顯著性部分，同時(shí)抑制圖像中的背景區(qū)域，這個(gè)過程的處理過程與第一步很類似，但是本質(zhì)上又不盡