基于时空特征的视觉显著性检测方法研究

发布时间：2021-11-14 06:07

　　随着计算机信息技术的发展,各种海量的图片、视频作为沟通交流的载体成为重要的信息表现方式。神经生物学学者发现在面对这些海量信息时人类视觉系统能够快速和自适应地筛选出场景中的感兴趣目标,对它们集中处理。这就是人类视觉系统的选择注意机制,而人类的感兴趣目标就是显著性区域。由此,将人类视觉系统快速筛选感兴趣目标的能力用在计算机上,使计算机能够自适应理解并处理视频。近几年,基于时空的显著性检测发展很快,但还处于初级阶段,现有的时空显著性检测方法得到的显著图背景冗余信息较多,细节信息不够明显,并且对于不同运动模式的场景适应性较差,为了解决这些问题,本文深入研究现有的时空显著性检测算法,具体工作内容如下:首先,提出了一种基于低水平显著性融合和测地线的视频显著性检测方法,分别提取时空边缘显著图和平滑的空间颜色显著图,将它们进行融合,得到低水平的时空显著图,通过后续帧到背景区域的测地线距离得到高精度时空显著图。选择SegTrack V1、SegTrack V2和ViSal作为实验数据集,和其他11种近几年算法做实验对比,主观结果表明本文算法很好地消除了背景冗余信息,同时边缘信息和内部细节信息也更加清楚,... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

视觉特征图

硕士学位论文 第 2 章统以并行的方式从视觉信息中提取颜色、亮度、方向、尺征。在特征整合阶段，将这些独立分离的特征按照串行的成某一物体的表征，然后利用集中性注意确定表征的边缘

感受的另外一种选择，CIELab 颜色空间由亮度 L (Luminosity)和与色彩有关的 a、b三个元素组成。其中，亮度 L 的取值范围是[0,100]，当 L 为 0 时，表示纯黑，为 100时，表示纯白，黑色和白色之间的亮度值由[0，100]范围内的其他数值表示。a 的范围是[127, 128]，其中-128 表示绿色，+127 表示红色。同理，b 的区间大小是[127, 128]，且-128 代表蓝色，+127 代表黄色。L、a、b 这三个分量相互变化组合构成 Lab 空间的所有颜色。视觉系统更能受到明亮物体的刺激，因此计算显著性时也可以采用亮度特征，它是通过计算 RGB 颜色空间三个通道的平均值得到的。图2.4 所示为 3 幅初级视觉特征示意图，由于人类视觉注意机制的存在，我们会很快将注意力集中到最吸引人的区域，在这 3 幅图像中，我们注意的焦点分别是(a)红色的棱形；(b)右上角方向的黑线段；(c)最中间淡蓝色的圆。图 2.4(a)中的视觉差异是颜色，图 2.4(b)中的视觉差异是方向，图 2.4(c)中的视觉差异是亮度，颜色、方向、亮度都是初级视觉特征。

【参考文献】：
期刊论文
[1]基于颜色和运动空间分布的时空显著性区域检测算法[J]. 郑云飞,张雄伟,曹铁勇,杨吉斌.  计算机应用研究. 2017(07)



本文编号：3494102