视觉显著性检测方法及应用研究

发布时间：2021-06-17 06:13

　　随着多媒体信息技术的发展,人们获取和分享图片的数量急剧增加,利用计算机自动分析和理解图片内容成为计算机视觉领域亟待解决的问题。显著性检测作为图像内容分析的关键技术,可以快速获取图片中最感兴趣的区域,为计算机提供简洁、有效的内容信息,是解决图像分类、检索和压缩等诸多视觉任务的关键步骤。显著性检测经过二十年的发展,出现了众多性能优异的算法。然而,现实世界中图片数量规模巨大、图像内容多样、复杂、实际应用场景特定,如何快速有效地利用先验知识、准确地检测显著性区域、精确地评估显著谱质量以增强算法的鲁棒性、利用显著性解决实际应用依然是此方向有待解决的问题。在此背景下,本文基于显著性检测方法及其应用展开研究,探索了预处理阶段对象性先验快速生成方法、显著谱生成阶段基于背景的显著性检测方法、后处理阶段基于无参考质量评价网络的显著谱挑选方法、显著性检测在广告视频分类以及广告数据筛选中的应用。具体研究内容和主要贡献如下:1.针对预处理阶段潜在对象生成计算复杂度高的问题,提出了一种基于边缘方向统计的对象窗生成方法。从通用对象属性和计算效率的角度出发,分析了利用边缘方向判别对象的可行性,设计了一种基于边缘方向统... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：122 页

【学位级别】：博士

【部分图文】：

图2-4两种块内边缘方向模板

8×8 image block图 2-5 收集的对象窗内所有块边缘模板的分布情况因此，使用最常出现 16 种的边缘方向模板来分类图像边缘。图2-6显示了从文献[94]中选取的 16 种边缘方向模板。从图2-6可以看出，这 16 种边缘方向满足多样性的特点，使用此 16 种边缘模板可以满足构成一个闭合的对象轮廓的要求。15

BING 方法运行时间 Ta，本章测试 BING 方法运行时间为 Tb，根据设备间的差异，两种运行时间关系为 Rt= Ta/Tb。设文献 [96] 提供的其他方法运行时间为 ya, 其算法在本设备上运行时间的线性映射值为 yb, 则 yb= ya/Rt，得到的时间作为该方法的运行时间。表 2-3 平均运行时间比较结果方法 OBJ SS CPMC BING EB Our时间（秒） 0.45 2 50 0.04 0.06 0.03表2-3显示本章方法与现有方法检测一张图片所需的平均时间。其中，本章方法运行时间最短, 仅需 0.03 秒，少于其他方法如 SS（2 秒）、CPMC（50 秒）等。而在运行速度上与本章方法最接近的方法是 BING，该方法运行一张图片所需时间为0.04 秒。另外，本章方法在生成对象窗质量上明显优于 BING，而且在一定范围IOU 阈值下本章方法与 CPMC 性能相当但运行时间只有 CPMC 的万分之一。上述结果表明，本章方法具有较少的运行时间，同时可以生成质量较高的对象窗。


本文编号：3234641