基于生成模型與判別模型的聯合顯著性檢測.pdf

1、人在面對復雜場景時，能夠快速的將注意力集中在少數感興趣的區(qū)域，然后利用有限的處理能力對該區(qū)域進行優(yōu)先處理。顯著性目標檢測作為計算機視覺領域中的一個重要分支，其任務就是模擬人類視覺系統識別圖像中顯著目標的區(qū)域，并輸出一幅顯著圖來表示每個像素屬于顯著目標區(qū)域的可能性。
　　本文提出了一種基于生成模型與判別模型的聯合顯著性檢測算法，利用了生成模型（基于稀疏表達）與判別模型（基于回歸）對圖像進行聯合協同檢測。首先，通過背景圖像塊搜索算法獲

2、取大量的背景圖像塊，利用字典學習訓練得到背景字典，計算每個超像素在該背景字典下的稀疏重建殘差，將此重建殘差作為該生成模型輸出的初始顯著值。然后，引入基于回歸的判別模型，從圖像塊中學習特征之間的關聯性，依據特征間關聯性以及圖像塊初始顯著值重新回歸各個圖像塊的顯著值，使得相似區(qū)域的顯著值一致且連續(xù)。為了適應不同尺度的顯著目標檢測，引入多尺度融合算法獲得前景目標更加細化的像素級顯著圖。最后，利用目標重定位算法得到目標級顯著圖，進而粗略定位顯著