視覺顯著性應(yīng)用研究.pdf

1、近年來，圖像和視頻數(shù)據(jù)迅猛積累，特別是現(xiàn)在網(wǎng)絡(luò)越來越發(fā)達，對圖像和視頻等視覺數(shù)據(jù)的應(yīng)用需求迅速增長。人們越來越傾向于從圖像和視頻數(shù)據(jù)中獲取信息。但是現(xiàn)在視覺計算模型跟不上需求的發(fā)展。人們希望機器能夠像人一樣快速而準確地處理這些數(shù)據(jù)，并迅速得到想要的信息，基于這個遠大而美好的目的，視覺顯著性的計算模型研究應(yīng)運而生。視覺顯著性是人類視覺系統(tǒng)用于指引注意力分配和視覺認知過程的生理機制。視覺顯著性計算模型的研究正是通過數(shù)學模型模擬和仿真人類視覺

2、機理，從而能夠快速而有效的處理視覺數(shù)據(jù)，是解決現(xiàn)在計算視覺中許多難題的途徑之一。
　　 在計算視覺領(lǐng)域，視覺顯著性計算模型的研究逐漸成為研究熱點。本論文在已有的國內(nèi)外顯著性計算模型的研究成果基礎(chǔ)上，分析了已有模型存在的不足，并結(jié)合存在的視覺機理，提出了幾種新穎的視覺顯著性建模方法和表示方法，并將這些算法成功的應(yīng)用于一些視覺應(yīng)用中，與以往的計算模型相比較得到了較好的結(jié)果。本論文的主要研究內(nèi)容和創(chuàng)新點如下:
　　 (1)回顧

3、視覺顯著性的發(fā)展歷程，充分調(diào)研已有的顯著性計算模型，分析一些經(jīng)典的模型框架和近年來的研究成果，系統(tǒng)地闡述視覺顯著性的建模技術(shù)，并總結(jié)已有模型的不足，得到視覺顯著性計算模型改進和進一步研究的方法和思路。
　　 (2)基于已知的視覺機理，提出一種目標邊緣的顯著性建模方法。該模型可以利用視覺中的環(huán)境抑制效應(yīng)和空間增強效應(yīng)對不同屬性邊緣賦予不同的顯著度。模型通過環(huán)境抑制效應(yīng)可以有效的抑制背景邊緣噪聲和目標內(nèi)部的紋理邊緣，利用空間增強效應(yīng)

4、發(fā)掘出目標的結(jié)構(gòu)信息，并連接潛在的結(jié)構(gòu)性邊緣得到目標的重要輪廓信息;最后結(jié)合邊緣屬性模型統(tǒng)計邊緣的Gabor能量，得到邊緣的顯著性表示，從而達到突出目標的重要邊緣(如輪廓、重要的紋理邊緣等)，而弱化背景中的紋理雜亂邊緣的效果。利用邊緣顯著圖，通過簡單的自適應(yīng)閾值分割就可以得到目標的邊界信息。通過實驗比較，與已有的顯著性邊緣檢測算法比較有明顯的改進;雖然與基于學習模型的邊界檢測方法比較效果相當，但是計算復雜度上要簡單。
　　 (3

5、)針對現(xiàn)有的顯著性表示方法的不足，本文提出了一種包含目標區(qū)域信息的視覺顯著性建模方法，能夠更加全面的表示視覺顯著性。該方法利用顯著性目標的位置和目標區(qū)域信息相結(jié)合的方式描述視覺顯著性，而有別于傳統(tǒng)的基于目標位置的描述方法。算法首先在已有的顯著性模型的基礎(chǔ)上建立顯著性目標的初始位置信息;通過對目標周圍的區(qū)域進行分析，進一步優(yōu)化目標位置，并得到目標的區(qū)域信息;最后通過優(yōu)化后的目標位置信息和區(qū)域信息共同描述場景的顯著性。與已有的表示方法比較，

6、基于目標區(qū)域信息的算法對圖像顯著圖的優(yōu)化有顯著的效果;且結(jié)合目標區(qū)域信息后，該模型能夠仿真視覺觀察的全過程，可以更準確的檢測出復雜場景中的顯著性目標。
　　 (4)提出了一種基于超級像素的視覺顯著性建模方法，并將其應(yīng)用于顯著性目標分割。利用人類視覺系統(tǒng)對視覺信號模糊處理特性，使用超級像素當作視覺處理單元，提取每個超級像素區(qū)域的顏色和紋理特征，建立比較統(tǒng)計模型，得到全局的顯著圖。該模型通過對區(qū)域的顯著性整體表達，從而避免了視覺顯著

7、性模型中常常出現(xiàn)的區(qū)域顯著性表達不一致的問題。實驗表明，較之已有的視覺顯著性模型，本文的算法在場景中顯著性表達上有顯著的提高，并在視覺顯著性目標分割應(yīng)用中有更好的效果。
　　 (5)利用視覺顯著性的特點和計算優(yōu)勢，提出了一種基于視覺顯著性模型的遙感圖像中弱小目標快速檢測算法。該算法融合空域殘余模型和頻率域調(diào)制模型，有效地屏蔽背景，檢測出感興趣區(qū)域;再通過動態(tài)背景建模對感興趣區(qū)域進行自動分割，利用目標的形態(tài)學特征去除虛警，得到目標