面向目標(biāo)檢測的視覺注意模型研究.pdf

1、在計算機視覺領(lǐng)域中，構(gòu)造視覺注意模型提取圖像的顯著圖是近年的一個研究熱點。然而，由于現(xiàn)實中圖像前景和背景千變?nèi)f化，而且交織在一起，錯綜復(fù)雜，想要準(zhǔn)確地提取圖像的顯著區(qū)域極具挑戰(zhàn)。近年來，隨著顯著性檢測技術(shù)的不斷發(fā)展，使得人們能夠在目標(biāo)檢測過程中，選擇圖像中“有用”的數(shù)據(jù)進行計算，這不僅降低了計算復(fù)雜度與內(nèi)存開銷，而且由于剔除了冗余信息，也提高了檢測的準(zhǔn)確性。因此，研究如何利用這些選擇后的數(shù)據(jù)進行目標(biāo)檢測變得十分有意義。
　　本文首

2、先提出了一種基于背景知識學(xué)習(xí)的視覺注意模型。該模型在提取顯著圖時主要包含兩個步驟，第一步是計算圖像中超像素的權(quán)重值，第二步則是利用局部加權(quán)對比度來計算超像素的顯著值。針對這兩個步驟，本文首先提出了一種超像素加權(quán)模型框架，該框架包括超像素塊提取、形狀與顏色特征提取和權(quán)重值預(yù)測三個部分。在此基礎(chǔ)上，本文提出了一種基于局部加權(quán)對比度的顯著值計算方法，該方法以超像素為計算單元，計算每個超像素塊與其他超像素塊在顏色和空間信息上的差異，并將該差異值

3、作為顯著值。實驗結(jié)果表明，本文提出的基于背景知識學(xué)習(xí)的視覺注意模型能夠有效地提高檢測精度，與已有模型相比，本文模型在MSRA1000和ECSSD兩個公共數(shù)據(jù)集上檢測得到的顯著圖具有更高的分辨率和平均精度，目標(biāo)區(qū)域內(nèi)的顯著值分布更加均勻，前景與背景邊界更加明顯。
　　本文還提出了一種基于參數(shù)學(xué)習(xí)的目標(biāo)檢測算法。該方法首先利用本文提出的視覺注意模型提取圖像的顯著圖，然后在顯著圖的基礎(chǔ)上構(gòu)造窗口質(zhì)量函數(shù)，并建立基于貝葉斯概率模型的最優(yōu)化