基于区域标签融合的图像显著性检测

发布时间：2023-05-17 22:16

　　图像显著性检测通过模仿视觉注意机制来获取图像中的重要信息,以提高图像处理的效率与准确性。在目标识别、图像标注与检索、图像自动剪裁、图像压缩等领域均有广泛应用。针对现有显著性检测方法易出现的边界模糊、轮廓不清晰、目标结构性较差以及背景抑制性能差等问题,本文提出一种基于区域标签融合的图像显著性检测方法。首先,利用超像素分割方法对输入图像进行分割处理,为减少过分割的区域数目,通过谱聚类方式对超像素区域进行二次聚类,得到区域边界信息和颜色空间分布图;然后,利用条件随机场理论将颜色空间分布图、多尺度对比特征图和中心-四周直方图三种显著图充分融合,得到粗度显著图;接着,根据区域边界信息定义一种标签指示向量,为将边界信息更好地融入粗度显著图,设计区域标签融合算法,通过统一标签得到重构的粗度显著图;最后,通过优化的背景先验方法对重构的粗度显著图进行精化。本文算法在MSRA10K与ECSSD数据集上分别随机抽取500幅图像进行显著性检测,并与11种显著检测方法进行主观对比和客观对比。实验结果表明,区域标签融合算法得到的显著区域边界轮廓清晰、结构性强,同时该方法具有较高的背景抑制性能和显著检测精度。并且本...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景和研究意义
    1.2 研究现状及应用领域
    1.3 本文主要工作
    1.4 本文组织与结构安排
2 显著性研究相关理论
    2.1 图像基本特征
    2.2 显著性研究相关方法
    2.4 本章小结
3 基于区域标签融合的图像显著性检测算法
    3.1 算法概述
    3.2 区域标签信息的形成
    3.3 获取粗度显著图
    3.4 重构粗度显著图
    3.5 精化重构显著图
    3.6 本章小结
4 实验结果与分析
    4.1 测试数据集
    4.2 评价指标说明
    4.3 主观对比分析
    4.4 客观对比分析
    4.5 本章小结
5 结论与展望
    5.1 结论
    5.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3818103