论文部分内容阅读
随着计算机视觉技术的发展,视觉显著性检测已成为研究热点之一。视觉显著性在对自然图像数据稀疏表示的同时,常常伴随着背景的干扰,这对计算机视觉任务后续工作的完成造成了一定影响。因此,亟待研究一种可有效调整背景信息的视觉显著性检测方法。本文针对背景信息影响显著图进一步应用的问题,提出了一种基于全局和局部低秩矩阵的图像显著性检测算法,并将该算法分别应用于视频显著性检测和图像重定位中。本文工作主要研究内容包括: 1)在图像显著性检测方面:本文提出了一种基于低秩矩阵的图像显著性检测算法。首先,提取 CIE*Lab颜色空间三通道对比度特征,利用信息熵和标准偏差选取对显著性贡献最大的通道权重融合获取初始显著图。然后,利用全局局部低秩分解对非显著背景信息进行抑制;最终,得到显著图。与已有的经典显著性检测算法比较,实验结果表明所提算法具有较好的显著性检测精度。此外,针对显著性检测客观质量评价方法计算速度慢的问题,本文还提出了一种基于背景非显著度的显著性评价指标。通过与传统ROC曲线的对比实验表明,所提视觉显著性评价指标具有更好地评测性能。 2)在视频运动目标显著性检测方面:本文提出了一种基于显著性背景建模的视频显著性检测方法。首先,利用所提图像显著性检测算法对视频初始帧进行显著性检测,获得残余背景图像。其次,根据残余背景中距离待填充区域最近像素点的均值作为待填充点的像素值,得到初始帧背景模型。然后,根据初始帧背景模型对视频进行显著性检测,利用信息熵来判断所得每帧显著图信息冗余度的大小,若当前帧显著图熵值大于所设定阈值则需要重新对当前帧背景建模。最终,通过减除背景得到视频显著性目标。与经典视频显著目标检测算法对比实验表明,本文所提算法具有较高的检测精度。 3)在图像重定位方面:本文提出了一种改进的Seam Carving图像重定位方法。所提算法首先结合图像对比度特征、纹理特征和人脸特征获取重要信息图。其次,利用局部低秩矩阵分解对重要信息图中前、背景信息进行权重划分与像素取舍,最终实现图像重定位。重定位过程中,在缩放尺度较大时,可优先考虑前景目标信息的保留;在缩放尺度较小时,其前背景重要信息都能较好保留。与传统 Seam Carving结果对比实验表明,本文算法在一定程度上要优于传统 Seam Carving方法。