基于多先验和图结构的显著性物体检测-控制科学与工程专业论文.docxVIP

Submittedintotalful?lmentoftherequirementsforthedegreeofMasterinControlScienceandEngineeringGraph-basedSalientObjectDetectionviaMultiple PriorsY????L?SupervisorProf.J??Y???D????? ?? A?????????,S????? ??E????????? I????????????? E?????????E??????????S???????J???T???U?????????S???????,P.R.C????January15th,2015上海交通大学学位论文原创性声明本人郑重声明:所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他 个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:李一黑日期:刘(5年上月尘日万方数据上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。必威体育官网网址口，在年解密后适用本授权书。本学位论文属于不必威体育官网网址监(请在以上方框内打.()学位论文作者签名:李一芳日期:问l主年上月1五日指导教师签名:持三『日期:-05年二月1三日万方数据上海交通大学硕士学位论文摘要基于多先验和图结构的显著性物体检测摘要显著性物体检测，是一个从图像中检测出最能引起人视觉注意的物体区域 的计算机视觉处理过程，它模拟的是人类视觉系统的信息处理环节，为进一步 高层问题的研究奠定基础。本文所研究的显著性检测属于“自底向上”、纯数 据驱动、不带有人主观目的的检测，重点研究了面向单幅图像和群组图像的显 著性检测算法设计，主要工作与创新点包括以下四点：1.基于边界先验与视觉注意的显著性模型：该模型利用边界先验，通过建 立图结构得到图像中每一个超像素到边界的测地线距离，利用其来衡量显著 性大小。同时为了提高显著性图的质量，提出基于最大均值偏差的视觉注意点 图。实验测试和比对都证明了所提出方法的有效性。2.基于多先验与能量图的显著性模型：该模型分别从显著性物体和背景 出发，结合各自先验知识的优势来定义对应的显著性衡量方式。对于显著性 物体，融合了中心－周围对比度、中心、布局等先验来衡量图像元素间的迥 异性，凸显显著物体具有的性质；对于背景，再次利用边界先验，基于所定义 的能量图和8邻域“缝”，动态优化找到每一个像素到边界的最优“缝”，以 “缝”的成本来衡量显著性大小。实验表明，该模型能够取得可靠、高质量的 显著性检测图。3.群组图像的协同显著性模型：该模型最大的贡献就是使得(单幅图像的) 显著性模型在协同显著性的任务场景下发挥其潜在的指导作用，利用任意一种 单幅显著性模型得到的检测结果，在一个排序框架下，通过一个两阶段的查询 关键词选择，指导协同显著性检测的进行，最后融合输出得到最终的协同显著 性图。实验结果表明，该模型成功地突出了共同显著性物体，抑制了非共同显 著的背景，还能应对群组图像中掺杂入少量不相关图像的情况，与现有模型相 比，不仅检测准确度更高，而且大大提升了检测的效率。4.显著性在虚化图像中的应用：基于Android开发了一个可以在移动端使 用的App应用LeeBokeh，该应用旨在贴近大众需求，大大降低虚化图像对拍—i—基于多先验和图结构的显著性物体检测上海交通大学硕士学位论文摄设备、技术以及后处理的要求，实现了全自动获得虚化图像的功能。关键词：显著性检测图结构多先验协同显著性检测Android 应用—ii—上海交通大学硕士学位论文ABSTRACTGraph-basedSalientObjectDetectionviaMultiplePriorsABSTRACTSalientobjectdetectionisanautomaticprocesstoextracttheobjectregionthat captureshumanperceptualattentionfrominputimages.Itsimulatestheinformation processingprocedureofhumanvisualsystem,andlayssolidfoundationforthefur- therresearchonhighlevelproblems