摘要随着计算机技术和图像采集技术的高速发展，图像的采集运用也越来越广泛。显著目标检测主要应用于军事，科研以及日常生活等各个领域。近年来对显著目标检测的研究取得了很大的进展。然而这些方法大多数对于自然图像的处理效果并不理想。本文在分析国内外研究现状的基础上，首先对近两年效果相对较好的三种检测方法进行了理论分析比较。然后详细描述了本文基于背景的显著优化方法。通过采用边界连接的方法衡量背景信息。引入背景概率进行优化并设计了显著优化框架来整合低层次线索。通过实验将本文的方法与另外三种经典方法进行了对比分析，结果表明本文所采用的方法在MSRA 数据集的表现明显优于其余三种经典方法。28630
毕业论文关键词： 显著目标检测 边界连接 基于背景的显著优化 MSRA 数据集
Title Image salient object detection Method analysisand design
AbstractWith the rapid development of computer technology and image acquisitiontechnology, using image acquisition is more and more widely. Salient objectdetection is mainly used in the fields of military, scientific research and dailylife. In recent years, researchers have made great progress on the salient objectdetection. However, most of these methods for the treatment effect of naturalimages are not satisfactory.Based on the analysis of the current research, this paper first made a theoreticalanalysis and comparison with three detection methods, which have relatively goodeffect in the past two years. Then use the method of boundary connection to measurebackground information. Introduction background probability to optimizationalgorithm and design salient optimization framework to integrate the low levelclue.Through experiments, compared the method used in this paper with the other threeclassical methods. The results show that the method used in this paper in the MSRAdatasets performed significantly better than the other three classical methods.Keywords Salient object detection Boundary connectionSalient optimization based on background MSRA datasets
目次
1引言1
1.1研究背景及意义1
1.2国内外研究现状1
1.3本文主要工作2
2评价指标及经典方法4
2.1评价指标4
2.2MSRA数据集.4
2.3经典方法4
3基于背景的显著优化方法10
3.1SLIC分割算法.10
3.2边界连接12
3.3背景衡量13
3.4显著优化15
4实验分析17
4.1主观视觉分析17
4.2客观定量分析22
4.3时间性能分析24
4.4实验总结25
结论26
致谢27
参考文献28
1 引言1.1 研究背景及意义基于生物感知的图像显著性分析,在二十世纪九十年代兴起并成为生物视觉感知领域研究的主要方向。此方法结合人类心理学和生理学知识并基于人类视觉注意机制，模拟人眼球建立图像显著性模型。视觉显著性特征的提取可以简单快速的分析数字图像。显著性特征提取在图像检索，识别等领域均有很大的价值，提取显著特征优先进行处理可以提高处理效率，有效的节省时间和资源。近年来随着图像采集技术的发展,图像数据的复杂度不断加大， 对图像处理技术的要求也越来越高。这不仅增加了计算量还浪费了很多不必要的时间和资源。多年以来，经过国内外众多科研工作者的努力，发现在图像处理过程中，并不需要对整幅图像进行处理，我们所关注的仅仅是图像中感兴趣的某一个区域或某一个部分， 将该区域称之为前景区域或显著区域。并且对所感兴趣的显著区域进行优先处理，忽略不感兴趣的背景区域。以此来提高图像处理效率，减少图像的处理时间和计算机的工作负荷。在如今这样一个大数据云储存的信息化时代，提高图像处理效率，避免资源浪费，节省处理时间显得尤为重要。要提高图像处理效率，显著性检测就显得尤为重要。近年来国内外对图像显著性的研究为图像处理技术的进展做出了巨大贡献。1.2 国内外研究现状图像显著目标检测是机器视觉领域的研究热点，其目的在于在采用图像处理[1]，机器学习与模式识别等领域的理论与方法[2][3]实现对图像中显著目标的识别。 近年来国内外的研究也取得了一些进展。另一个研究领域是视觉显著性[4]分析，其目的是预测人类视觉注意的区域。该方法受到可视化模型启发，评估人眼球固定数据。按照对视觉信息的处理方式划分，可将视觉注意分为自底向上和自顶向下的视觉注意。自底向上的视觉模型可以分为基于空间邻域对比度，基于频域分析和基于信息理论的三种视觉注意模型[5]。自顶向下的注意模型需要先验方法的支持，根据特定场景进行视觉搜索。其过程较为复杂目前对此方面的研究较少，但其检测效果较好。 图像显著目标检测算法分析与设计:http://www.youerw.com/zidonghua/lunwen_23557.html