基于多層特征融合的視覺顯著性檢測研究.pdf

1、近幾年移動互聯(lián)網(wǎng)與社交網(wǎng)絡的迅速發(fā)展使得網(wǎng)絡中圖像數(shù)據(jù)呈爆炸式增長。利用顯著性檢測技術讓計算機快速選取圖像中感興趣區(qū)域以便更加高效的圖像處理，成為計算機視覺領域一大研究熱點。然而現(xiàn)有的顯著性檢測算法在顯著性目標完整度和背景噪聲抑制上還存在不足，本文圍繞圖像視覺顯著性檢測，在其它經(jīng)典論文的基礎上，結合視覺顯著性檢測原理與特征融合理論，以多層次特征提取與融合為角度，設計了新的顯著性檢測方法。本文的工作主要包括以下幾點：
　　①現(xiàn)有算法

2、大都采用全局特征進行單層次的顯著性檢測，由于局部信息的缺失，僅能對顯著性目標進行粗略的標記，而無法有效地抑制背景噪聲以及準確地標記顯著性目標細節(jié)。因此，本文從多層次特征提取出發(fā)，提出基于多層特征融合的顯著性檢測算法。首先，通過設計鄰域聚合方法將全局特征與局部特征映射到鄰域上，通過鄰域特征補全連續(xù)鄰域空間信息。然后，將圖像使用局部、鄰域、全局三個層次表示，改善了傳統(tǒng)采用單一層次特征所導致的信息缺失問題。最后利用支持向量機進行特征融合，避免

3、使用數(shù)學運算進行特征融合時參數(shù)選擇的問題，讓支持向量機通過學習自動分配參數(shù)。通過對公共數(shù)據(jù)集上的數(shù)據(jù)進行實驗，結果表明本文提出算法的平均絕對誤差明顯好于其它8種經(jīng)典方法，其它指標也均優(yōu)于經(jīng)典算法。
　?、诨诙鄬犹卣魅诤系娘@著性檢測算法在圖像的顯著性目標檢測中效果較好，但由于多層次特征劃分不夠細致導致在顯著性目標的完整性檢測以及背景與邊緣噪聲的抑制上還存在提升空間。因此，在該算法的基礎上加入?yún)^(qū)域層次與中心－邊緣層次特征，將圖像以五

4、個層次特征表示。其中通過介于鄰域與全局之間的區(qū)域層次特征進一步地保留超像素不同尺度細節(jié)。利用中心比邊緣更易出現(xiàn)顯著性目標的現(xiàn)象，引入中心－邊緣層次特征用于邊緣與背景噪聲抑制。此外，全局特征中計算全局顏色對比特征時離對比中心越近的超像素對比度權值越高，但由于顯著性目標內部區(qū)域與周圍顏色對比度較小，該特征將導致顯著性目標中心對比效果不好。因此本文提出新的顏色對比特征，利用離超像素越遠顏色對比越強的規(guī)律，隨距離逐漸提高超像素的權重，從而更加完