基于传播模型的显著性检测方法-电子与通信工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 研究生优秀毕业论文 大连理工大学专业学位硕士学位论文摘 大连理工大学专业学位硕士学位论文 摘 要 图像显著性检测是图像处理领域中的重要问题，近年来受到越来越广泛的关注。传 统的显著性检测方法通过采用不同的计算策略对比区域间的相似性，从而检测并定位图 像中的显著目标。但是，由于图像场景的多样性，目前仍没有一种方法可以适用于所有 的场景类型。这些检测方法或是不能一致地突出显著目标，或是不能正确地抑制背景区 域。基于概率与统计科学中的概率传播模型在显著性检测中有成功的应用。一个好的传 播方法依赖于设计的传播机制，即传播矩阵，以及用于传播的初始信息，即置信向量。 本文分析研究了多种基于概率传播模型的显著性检测方法，引入一种新的基于条件随机 场模型的显著性检测算法，并介绍三种不同的置信向量的计算方法。前两种置信向量基 于图像边界先验，以边界节点作为背景种子点形成置信向量，第三种方法克服了边界先 验的缺陷，计算每个节点的背景概率，从而形成置信向量。第三种置信向量包含了更加 准确的显著性信息，因此具有更准确的检测结果。实验表明，本文提出的基于条件随机 场传播模型，并结合上述置信向量的检测方法具有良好的检测性能，并优越于大部分先 进的方法。 关键词：显著性检测；传播模型；边界先验；背景概率； 万方数据 基于传播模型的显著性检测方法Saliency 基于传播模型的显著性检测方法 Saliency detection method based on propagation model Abstract Image saliency detection is an important problem in the field of computer vision，and have received more and more attention．Traditional saliency detection method employ different algorithm to compute the similarity between regions，and then locate the salient object in the image。However because of the variety of image scene，there are no methods which are suitable for all kinds of scene SO far．These methods may fail to highlight the salient object consistently，or suppress the background region correctly．Probability propagation model derived from probability and statistics has been successfully used in the problem of saliency detection．A good propagation model depends on the designed propagation mechanism，named propagation matrix，and the initial information used to be propagation， named confidence vector．We firstly analyze several classical propagation model based saliency detection method，and then a new saliency detection algorithm based on conditional random field model is introduced where three different confidence vectors are employed．The first two confidence vector are computed based on image boundary prior，as for the third confidence vector，background probability of each node is computed to generalize the confidence vector which contour the drawback of image boundary皿or．The也砷algorithm have achieved better de