资源描述：
《基于稠密和稀疏重构的图像显著性检测算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、卢湖川lhchuan@dlut.edu.cn大连理工大学http://ice.dlut.edu.cn/lu/index.html基于稠密和稀疏重构的图像显著性检测算法XiaohuiLi,HuchuanLu,LiheZhang,XiangRuan,MinghsuanYang,SaliencyDetectionviaDenseandSparseReconstruction,ICCV2013,P2976-2983内容提要内容提要实验结果及其分析4课题背景1相关研究及存在问题2基于稠密和稀疏重构的显著性3
2、本文工作总结5内容提要内容提要实验结果及其分析4课题背景1相关研究及存在问题2基于稠密和稀疏重构的显著性3本文工作总结5视觉显著性课题背景原始图像显著图真值图视觉显著性(VisualSaliency)的定义：描述一个物体在一幅场景中的特殊性或吸引视觉注意的能力，这种能力源自该事物与周围事物的迥异性，或由观察者的主观经验引起。显著性检测(SaliencyDetection)的目标：使计算机视觉通过模拟人类的视觉注意机制，检测图像中的显著目标，滤除冗余的背景信息，从而只关注人类视觉感兴趣的图像区域。显
3、著性检测的应用课题背景图像显著性检测在降低图像内容理解或场景分析复杂度方面的优势，使其在计算机视觉领域得到了广泛应用，包括：图像/视频分割图像/视频压缩目标识别图像缩放感兴趣区域检测图像拼接……显著性检测的应用——图像分割课题背景真值图显著图分割结果输入图像显著性检测的应用——图像缩放课题背景由不同显著性检测模型产生的显著图得到的图像缩放结果对比。显著性检测的应用——图像拼接课题背景由不同显著性检测模型产生的显著图得到的图像拼接结果对比。显著性检测的应用——非真实感渲染课题背景美术家们常常把一幅画
4、中的不重要部分进行非真实感的渲染处理，在达到艺术效果的同时又能强调重要区域。以不同的显著性检测结果图为参考，将产生不同的非真实感渲染结果。显著图显著图内容提要内容提要实验结果及其分析4课题背景1相关研究及存在问题2基于稠密和稀疏重构的显著性3本文工作总结5基于背景先验的显著性检测相关研究及存在问题基于图像四周背景先验的测地线显著性[1]文献[1]将图像四周区域视作背景先验，定义了一种测地线显著性，但该方法产生的显著图仍包含较多的背景噪声。[1]Y.C.Wei,F.Wen,W.J.Zhu,andJ.
5、Sun.Geodesicsaliencyusingbackgroundpriors.InECCV,2012,pp.29–42.背景模板….背景字典超像素分割图为了更好地利用四周背景先验，不同于文献[1]，本文提取四周图像块的特征做背景模板，并由此构建一个背景字典，作为后续图像重构的基底。图像四周，被证明包含对于显著性检测非常有效的背景视觉信息。基于稀疏表示的显著性检测相关研究及存在问题[2]A.BorjiandL.Itti,“Exploitinglocalandglobalpatchraritie
6、sforsaliencydetection,”inCVPR,2012,pp.478–485.[3]W.Wang,Y.Wang,Q.Huang,andW.Gao,“Measuringvisualsaliencybysiteentropyrate,”inCVPR,2010,pp.2368–2375.由大量自然图像块学习字典，对待测图像进行稀疏表示由背景模板构建字典，对待测图像进行稀疏重构通常，稀疏表示在显著性检测中只是简单地用来实现图像表示[2,3]，即通过从大量自然图像块中训练出来的字典对图像特征进
7、行重新描述，再进行后续的显著度运算。这种做法在字典构建和数据重构的过程中，都没有合理有效地运用到待测图像本身的视觉信息。本文提取待测图像四周各个背景模板的图像特征作为背景字典元素，将各个图像块投影在该字典上进行稀疏重构，最终用图像块的重构误差来描述显著度。这种基于单幅图像背景字典的重构误差，有效运用了图像本身的信息，能够产生更精准的显著图。基于贝叶斯模型的显著性检测相关研究及存在问题[4]E.Rahtu,J.Kannala,M.Salo,andJ.Heikkilä,“Segmentingsalie
8、ntobjectsfromimagesandvideos,”inECCV,2010,pp.366–379.[5]Y.XieandH.Lu,“Visualsaliencydetectionbasedonbayesianmodel,”inICIP,2011,pp.645–648.由颜色特征分布计算的似然概率：在文献[4,5]中，通过颜色对比度计算出的先验显著图，在贝叶斯框架下又结合由颜色特征分布得到的似然概率，获得了更加准确的后验显著图。由于颜色空间中的部分噪声已在先验图的计算中被抑制
