基于sPCA的協(xié)同顯著性檢測方法及應用研究.pdf

1、協(xié)同顯著性目標檢測（Co-saliency detection）是一種視覺顯著性機制引導的在多幅圖像中檢測相似或共有目標的技術，在協(xié)同分割、信息檢索、自動標注及前景提取等領域具有廣泛的應用前景，成為圖像處理領域的研究熱點。經(jīng)過近幾年的研究，盡管提出了一些協(xié)同顯著性檢測算法，然而，如何實現(xiàn)復雜環(huán)境下快速、魯棒的協(xié)同顯著性檢測依然需要非常深入的研究，本文分析現(xiàn)有協(xié)同顯著性檢測技術存在的問題，重點研究了基于稀疏主成分分析（Sparse Pri

2、ncipal Componen Analysis,sPCA）的快速協(xié)同顯著性檢測算法及其在協(xié)同分割中的應用。
　　本文采用循序漸進的方式對基于sPCA的協(xié)同顯著性檢測算法進行了研究，首先從協(xié)同顯著性算法的效率出發(fā)，對底層特征進行稀釋特征提取，然后考慮提取特征的有效性對稀疏特征進一步選擇，實現(xiàn)基于sPCA的快速、魯棒協(xié)同顯著性檢測，最后將該方法應用于多幅圖像的協(xié)同分割，實現(xiàn)復雜圖像協(xié)同顯著目標的自動精確分割。具體工作主要包括：

3、>　　(1)針對協(xié)同顯著性檢測算法效率低的問題，提出了一種基于圖像分塊的截斷冪稀疏主成分提取方法，作為圖像協(xié)同顯著性檢測的預處理。實驗結果表明，通過將高維輸入圖像壓縮到低維空間，可保留原圖像中有效特征，并且消除數(shù)據(jù)中存在的大量冗余，縮短了顯著性檢測的運行時間。
　　(2)針對截斷冪方法中載荷系數(shù)對主成分前后表示不一致的問題，提出了一種基于圖像塊間有效距離的特征選擇方法，對負載因子進行結構化選擇，提取有效特征進行協(xié)同顯著性檢測。實驗