基于仿人視覺的顯著性目標分割識別及其應用研究.pdf

1、對自然場景進行目標分割和識別是計算機視覺中一個重要的問題。人類視覺經過長時間的進化，形成了自己獨特的視覺信息處理機制，為計算機視覺的研究工作提供了新的思路和靈感。本文參照人類視覺系統(tǒng)的工作方式，以視覺顯著性理論為基礎，并融合超像素分割和輪廓檢測模型對顯著性目標分割與識別進行了深入研究。論文的主要內容如下:
　　第一章闡述了顯著性目標分割識別研究的背景、意義和目的，對顯著性目標分割識別中相關理論方法的研究現狀做了歸納總結，分析了顯著

2、性目標分割識別中仍然存在的一些問題，并針對這些問題給出了本課題的主要研究內容。
　　第二章對自然場景下多個顯著性目標分割方法進行了研究，提出了利用視覺注意力轉移機制對自然場景下顯著性目標進行檢測，并利用圖分割模型對檢測到的顯著性目標進行分割處理。算法的主要步驟如下:首先，對圖片進行層級樹輪廓提取，并利用層級樹中所有葉子結點作為注意力檢測得到的元目標，同時對圖片提取顯著性圖，利用“勝者為王”策略得出當前最顯著目標所在位置，以該位置對

3、應的元目標作為需要提取的顯著性目標;然后，利用該元目標作為前景種子區(qū)域，根據不同參數，通過圖分割對該元目標進行知覺組織，得出該顯著性目標不同尺度下的多個分割結果。實驗表明，對包含多個目標的自然場景，提出的模型能夠取得較好的檢測和分割效果。
　　第三章針對傳統(tǒng)輪廓提取算法效率偏低的問題，提出了一種基于超像素的顯著性目標輪廓提取算法，并將提出的顯著性目標輪廓檢測算法應用到顯著性目標分割任務中。算法主要流程如下:首先，利用超像素分割算法

4、對圖片進行分割，并將超像素邊緣進行膨脹處理，以此彌補超像素邊緣和真實顯著性目標輪廓之間的可能存在的定位誤差;然后，對膨脹后的超像素邊緣提取不同方向和尺度的局部輪廓信息，并將得到局部輪廓信息進行線性加權得出顯著性目標的局部輪廓檢測結果;在前面得出的局部輪廓信息基礎上，建立相應的對稱相似矩陣，并對其進行特征值分解得出特征值和特征向量;利用不同方向的梯度算子對前面得到的特征向量進行卷積處理得出顯著性目標輪廓的全局信息;最終，將局部和全局輪廓信

5、息進行線性加權得出顯著性目標的全局輪廓。由于本章提出的算法只考慮從部分圖片像素中提取輪廓信息，所以其減少了冗余計算，提高了輪廓提取的效率。實驗表明，本章提出的顯著性目標輪廓檢測算法執(zhí)行效率不僅明顯高于原始的輪廓提取算法，而且同時擁有較好的顯著性目標輪廓檢測效果和顯著性目標分割效果。
　　第四章對原始的基于圖的超像素分割算法做了改進，提出了一種效率更高的超像素分割算法，并對不同超像素算法應用于顯著性目標輪廓提取時的性能進行了研究。本

6、章以分水嶺算法得出的區(qū)域作為節(jié)點建立圖，得出改進后的超像素提取算法。實驗結果表明，盡管算法額外包含了分水嶺過程，但是其最終效率仍然優(yōu)于傳統(tǒng)的基于圖片像素的超像素提取算法。當對不同超像素算法應用于顯著性目標輪廓提取時的性能進行對比時，實驗從兩個不同的方向展開。一方面，超像素自身輪廓作為最終的顯著性目標輪廓提取結果。在這種情況下，實驗結果表明具有不規(guī)則形狀和不同大小的超像素的性能要明顯優(yōu)于具有規(guī)則形狀和相似大小的超像素。另一方面，不同超像素

7、算法應用到局部顯著性目標輪廓提取算法中并對顯著性目標輪廓提取質量進行評價。實驗結果表明，由于考慮了梯度信息，一些具有規(guī)則形狀和相似大小的超像素也能取得較好的顯著性目標輪廓檢測效果。
　　第五章在顯著性目標分割基礎上融入目標識別任務，針對每一個顯著性目標不僅給出其對應的分割結果而且還要得出其相應的類別信息。模型主要流程如下:首先，利用顯著性目標分割模型得出每個顯著性目標多尺度的分割結果;然后，利用訓練得到的多類別線性分類器，給出當前

8、顯著性目標的類別信息。具體而言，通過對每個尺度的分割結果，融入局部和全局信息提取相應的特征描述子，得出該尺度下分類器給出的類別信息。由于每個顯著性目標擁有多個尺度的分割結果，每個尺度的分割結果將會按照前面的方法給出相應類別信息，最終顯著性目標類別通過投票得出，得票最多的類別將會作為當前顯著性目標的最終類別信息。最后，依據當前顯著性目標的類別信息，利用相應類別的線性回歸模型從多尺度的分割結果中選擇得分最高的分割結果作為當前顯著性目標的最終

9、分割結果。實驗結果表明，本章提出的模型能夠較好地提取場景中顯著性目標的同時能夠給出其相應的類別信息和分割結果。
　　第六章根據本文研究內容建立了一套基于仿人視覺的顯著性目標分割識別系統(tǒng)。系統(tǒng)包括場景顯著性圖提取、視覺注意力轉移、顯著性目標輪廓提取、顯著性目標多尺度分割和顯著性目標分割識別這五個功能模塊。并通過現場采集圖片對建立的顯著性目標分割識別系統(tǒng)進行了測試。
　　第七章對全文做了總結。簡要論述了本課題的主要研究內容、結論