论文部分内容阅读
传统野生动物检测方法存在无法有效处理野生动物监测过程中产生的高分辨率、色彩丰富且伴随高噪声监测图像等问题。图像的视觉显著性检测能够快速、自动地提取代表图像主要信息的显著性区域,去除图像冗余信息,可为野生动物监测图像的快速检测和识别提供思路。因而,本文面向实际野生动物监测任务需求,针对野生动物图像显著性检测展开研究,重点解决野生动物监测过程中监测图像易产生高分辨率、色彩丰富且伴随高噪声的问题,本文主要工作如下:1.建立了实拍的野生动物监测图像样本库。本文在采用红外相机和无线图像传感器网络采集野生动物监测图像基础上,建立12种、1600张高清野生动物监测图像样本库,并制作标准的Ground truth人工标记图像库,明确野生动物图像显著性检测影响因素,为野生动物监测图像的显著性检测研究提供了研究素材;2.提出了基于直方图统计的主体结构提取显著性检测算法。本文基于直方图统计的显著性检测方案(Histogrambased Contrast,HC),结合图像主要结构提取、边缘检测和图像位置显著图等策略,提出了基于直方图统计的主体结构提取显著性检测算法,实现了图像的显著性检测的优化,提高了图像显著性检测的质量;3.设计了野生动物监测图像的显著性检测软件。本文基于MATLAB GUI开发工具设计了一款面向野生动物监测的显著性检测软件,该软件集合多种显著性检测模型为一体,综合集成了图像显示、参数设置及调试和软件控制等功能,实现了对不同显著性检测模型及不同评价图像库的综合。本文利用MSRA 1000数据库和野生动物监测图像对基于直方图统计的主体结构提取显著性检测算法进行了实验验证,实验结果表明,本文提出算法可以实现野生动物监测图像显著性检测,且Precision-Recall曲线、F-measure值等显著性评价指标参数均优于HC算法,该部分工作可以为图像显著性检测和野生动物图像检测与识别提供借鉴。面向野生动物监测的显著性检测软件可以实现野生动物监测图像显著性检测,简化显著性检测操作过程,为野生动物监测图像显著性检测研究提供便利。