基于视觉显著性图与似物性对象检测.docVIP

基于视觉显著性图与似物性对象检测 　　摘要：为了能够准确地检测出图像中的显著性对象，提出了一种新的基于视觉显著性图与似物性的对象检测算法。该算法首先在图像上提取大量具有较高似物性度量的矩形窗口，并估算出对象可能出现的位置，将窗口级的似物性度量转换到像素级的似物性度量；然后把原始显著性图与像素级的似物性图进行融合，生成加权显著性图，分别二值化原始显著性图和加权显著性图，利用凸包检测得到最大查找窗口区域与种子窗口区域；最后结合边缘概率密度搜索出最优的对象窗口。在公开数据集MSRAB上的实验结果表明，该算法在准确率、召回率以及F测度方面优于最大化显著区域检测算法、区域密度最大化算法以及似物性对象检测算法等已有的多种算法。 　　关键词：显著性图； 对象检测；似物性；凸包；边缘密度 　　中图分类号： TP391.41 　　文献标志码：A 　　Abstract： 　　A novel salient object detection approach was proposed based on visual saliency map and objectness for detecting salient objects in images. For each input image， a number of bounding boxes with high objectness scores were exploited to estimate the rough object location， and a scheme of transferring the bounding boxlevel objectness score to pixel level was used to weight the input saliency map. The input saliency map and the weighted saliency map were adaptively binarized and the convex hull algorithm was used to obtain the maximum search region and the seed region， respectively. Finally， a global optimal solution was obtained by combining the edge density with the search region and seed region. The experimental results on the public MSRAB dataset with 5000 images show that the proposed approach outperforms the maximum saliency region method， the region diversity maximization method and the objectness detection method in terms of precision， recall and Fmeasure. 　　英文关键词Key words： 　　saliency map； object detection； objectness； convex hull； edge density 　　0引言 　　对象检测在计算机视觉研究领域中起着重要的作用，是对象识别的前提。人类的视觉系统能够从复杂的环境中快速准确地定位人眼感兴趣的区域，并作出相应的反应。而在计算机视觉研究领域，通过模拟人眼的视觉注意机制，从数字图像与视频中快速准确地提取关键区域，一直是研究的热点。在过去的二十多年时间里，研究人员已经提出了多种针对图像或视频的显著性模型[1-7]。显著性模型的目的是提取出图像/视频中最吸引人注意的显著部分，并利用一张显著性图（灰度图）来表示各个像素点的显著程度。显著性模型可用于基于内容的图像/视频缩放[8]以及压缩[9]等应用。基于显著性图的显著对象检测是根据图像中像素点的显著程度在原始图像或视频中定位出显著对象区域的位置与大小。 　　本文的目的不是进行图像的显著性检测，而是根据已有显著性模型生成的显著性图进行对象检测。近年来已经提出了多种基于显著性图的对象检测算法[7，10-13]。Liu等 [7]从图像中提取了局部特征和全局特征，利用条件随机场融合这些特征，在生成的显著性图中找出最小的窗口以包含固定比例（通常为95%）的显著性像素点。这类方法不足之处在于要设计一个复杂的训练模型并且预先设定最终检测窗口要包含的显著性像素点的比例。因此，对于任意场景中不同