基于全卷積神經(jīng)網(wǎng)絡的顯著性區(qū)域檢測研究.pdf

1、數(shù)字圖像作為表達思想和傳遞情感的重要信息載體，其對應的圖像處理技術已廣泛應用于醫(yī)學工程、通信、軍事公安、航空航天等領域。然而，如何利用有限資源高效處理圖像數(shù)據(jù)是關鍵?；谝曈X的顯著性目標區(qū)域檢測能模擬人眼視覺系統(tǒng)，預測視覺優(yōu)先關注區(qū)域，為后續(xù)任務提供有效預處理結果，提升任務處理效率。利用深度神經(jīng)網(wǎng)絡進行圖像顯著性區(qū)域檢測能避開任務前期顯式的特征提取及表述，在訓練網(wǎng)絡的過程中隱式學習顯著性區(qū)域特征，訓練完成的網(wǎng)絡具有泛化能力。
　　

2、本文首先介紹了顯著性區(qū)域檢測的研究背景及發(fā)展現(xiàn)狀，闡述了視覺注意機制的基本概念、視覺注意的兩種模型，分析了顯著性區(qū)域檢測的基本理論。
　　然后，提出了一種基于全卷積神經(jīng)網(wǎng)絡和圖優(yōu)化的顯著性區(qū)域檢測算法。該算法利用學習獲得的全卷積神經(jīng)網(wǎng)絡(FCNN)初步預測待處理圖像的顯著性區(qū)域，再在初步預測結果基礎上，利用圖的方法，加強相似區(qū)域間的聯(lián)系，優(yōu)化顯著性檢測結果。本方法在SOD和DUT數(shù)據(jù)庫上的客觀評價指數(shù)AUC值及F-Measure值

3、均較優(yōu)，能更準確地提取顯著性區(qū)域。
　　其次，提出了一種基于全卷積神經(jīng)網(wǎng)絡和多核學習的顯著性區(qū)域檢測算法。該算法利用全卷積神經(jīng)網(wǎng)絡的自主學習能力，挖掘數(shù)據(jù)庫中所有圖像顯著性區(qū)域的共通特性，再在初步檢測結果的基礎上，通過多核學習，挖掘圖像內(nèi)部特征之間的權衡性。本方法在SOD和DUT數(shù)據(jù)庫上的客觀評價指數(shù)AUC值及F-Measure值均較優(yōu)，表明系統(tǒng)最終的顯著性輸出能準確捕獲到被處理圖像的顯著區(qū)域，在減少了主觀干預的同時能取得良好泛化