基于图像间关联的显著性检测与协同显著性检测方法研究

发布时间：2021-10-09 08:55

　　图像作为自然事物的客观反映,是人类认识世界的视觉基础。近几年来,随着数码相机、智能手机等成像设备的广泛普及,以及互联网的迅猛发展,图像凭借其直观的内容、丰富的表现力和传播的便捷性,成为当今人类社会活动中最常用的信息载体。面对爆发式增长的图像数据,如何自动定位图像中吸引人眼注意力的显著对象区域,即显著性检测,已经成为国内外学术界研究的热点问题。但是,一张图像蕴含的内容毕竟有限,在单张图像上的检测性能往往受到限制。因此,研究者们开始利用原始图像的相似图像,借助相似图像提供的额外信息,来提升原始图像的处理效果。另外,在一些实际场景下,人们的处理目标也不再局限于单张图像,而是需要联合多张图像来分析其相互关系,同时处理一组包含近似对象的图像集合,检测出图像集内共同显著的对象,即协同显著性检测。图像的显著性检测和协同显著性检测是计算机视觉领域不可或缺的基础性研究课题,已经被广泛应用于很多图像处理任务,如语义分割、图像/视频压缩、对象识别及定位等,具有重要的理论意义和研究价值。本论文在探索单张图像信息之外,利用多张图像之间的关联信息,提升显著性检测性能,适应检测共同显著对象的多图像场景。本论文的主要... 

【文章来源】：上海大学上海市 211工程院校

【文章页数】：121 页

【学位级别】：博士

【部分图文】：

协同显著

上海大学博士学位论文12有成效的工作，积累了大量的研究成果。本章首先从图像的显著性检测模型和协同显著性检测模型两个方向简要阐述一些具有代表性的工作，理清显著性检测和协同显著性检测的研究发展脉络；然后展示了一些在这两个领域中较流行的标准数据集；最后详细介绍了几种常见的对显著性图和协同显著性图进行评价的客观定量指标。本章主要为本论文后续第三章、第四章和第五章提出的基于图像间关联的显著性检测模型和协同显著性检测模型进行铺垫。2.2显著性检测模型传统的显著性检测模型主要依赖低层的手工提取特征和启发式的显著性先验来模拟人类视觉系统，在一些基本场景下取得了不错的检测效果。得益于深度学习技术的不断成熟，2015年以后，基于深度学习的显著性检测模型层出不穷，在各种场景下都有着比传统方法更卓越的表现。本节将显著性检测模型按照特征提取方式分为基于手工提取特征的显著性检测模型和基于深度特征的显著性检测模型两大类，并对其中的主要工作进行简要介绍。2.2.1基于手工提取特征的显著性检测模型图2-1Itti等人[33]提出的中央-周围对比模型

Yang等人[60]提出的基于图模型流形排序的显著性检测模型


本文编号：3426042