基于凸包背景先验和目标先验的显著性检测

发布时间：2021-08-04 00:36

　　图像显著性检测已经成为近几年重要的研究课题之一,目的是为了快速获取图像中有用的信息。针对当前显著性检测方法存在目标区域不明亮的问题,本文提出了一种基于凸包背景先验和目标先验的显著性检测方法,主要过程是分别构建背景先验图和目标先验图,并采取贝叶斯模型进行融合。本文充分地获取图像背景模板信息和目标模板信息,以获得准确可靠的显著图。1.基于凸包外背景区域的显著性检测。相比于使用图像四周作为背景模板的传统方法,本节提出了一种将凸包外超像素作为背景模板去构建背景先验图的方法,该方法改善了将图像四周作为背景模板的不足。首先获取图像的显著点,消除边缘的显著点并获取凸包,接着对图像进行超像素分割,将凸包外的超像素作为背景模板。接着将整幅图像投影到背景模板计算重构误差,获得背景先验图。2.基于凸包内目标区域的显著性检测。本节提出一种将凸包内超像素作为目标模板去构建目标先验图的方法,主要是将整幅图像投影到目标模板上,计算目标模板与整幅图像的反重构误差,得到反重构误差图。接着提出一种基于凸包内目标偏置的高斯滤波模型,结合反重构误差图,获得最终的目标先验图。3.当前优化方法存在着单一使用背景或者目标的问题,由... 

【文章来源】：上海师范大学上海市

【文章页数】：63 页

【学位级别】：硕士

【图文】：

显著图示例

第 1 章 绪论 上海师范大学硕士论文复杂，噪声较多的图像没有进行一个完整的处理，一些算法只依赖于低层次的视觉信息，会对许多无关的低级视觉信号做出回应，导致背景区域的混乱。第三：当面对背景区域与目标区域相似时，类似于中心—周围的这类算法就不适用了，无法根据目标区域和背景区域的颜色，空间位置之间对比度来计算最后的显著图。如图 1-2 关于显著性存在的一些问题的图像。

a.原图 b.兴趣点 c.凸包图 2-1 凸包形成过程2.1.2 计算凸包过程计算图像的兴趣点之后，由于图像中大多数的兴趣点位于显著目标的周围，但也有极少数的兴趣点位于图像的边缘处，需要消除边缘的兴趣点，如果将一些位于图像边缘的兴趣点连接起来，会导致大量的背景区域进入到目标区域内，图像的显著目标无法均匀的凸显出来。为了能够获取大部分显著区域，需要使用凸包将兴趣点环绕起来，包含这些点的最小凸包就是图像的大致的显著区域。凸包计算步骤如下：1. 利用基于颜色增强的 Harris 角点检测算法得到兴趣点集合，消除图像边缘的兴趣点，先是找到兴趣点集合中最右下方的兴趣点，然后沿着顺时针方向寻找与这个兴趣点之间在水平正方向具有最小角度的点，并将找到的兴趣点和原先


本文编号：3320634