面向目标检测的视觉注意模型研究-信息与通信工程专业毕业论文.docxVIP

万方数据 万方数据 Submitted in total ful?lment of the requirements for the degree of Master in Information and Communication Engineering Research on Visual Saliency and Object Recognition D? C??? Supervisor Prof. R?? Z???? D????? ?? E?????????? E??????????, S????? ?? E?????????? ??? E??????? E?????????? S??????? J??? T??? U????????? S???????, P.R.C???? Jan. 13th, 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: 陈业 日期:且L年(月1ι日 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。 保密口，在 年解密后适用本授权书。 本学位论文属于  不保密va (请在以上方框内打.; ) 学位论文作者签名: 陈 岛 日期:豆豆一年-月4日 指导教师签名: 协今 日期:旦旦年土月J!t_a 上海交通大学硕士学位论文 摘要 面向目标检测的视觉注意模型研究 摘 要 在计算机视觉领域中，构造视觉注意模型提取图像的显著图是近年的一个 研究热点。然而，由于现实中图像前景和背景千变万化，而且交织在一起，错 综复杂，想要准确地提取图像的显著区域极具挑战。近年来，随着显著性检测 技术的不断发展，使得人们能够在目标检测过程中，选择图像中“有用”的数 据进行计算，这不仅降低了计算复杂度与内存开销，而且由于剔除了冗余信 息，也提高了检测的准确性。因此，研究如何利用这些选择后的数据进行目标 检测变得十分有意义。 本文首先提出了一种基于背景知识学习的视觉注意模型。该模型在提取显 著图时主要包含两个步骤，第一步是计算图像中超像素的权重值，第二步则是 利用局部加权对比度来计算超像素的显著值。针对这两个步骤，本文首先提出 了一种超像素加权模型框架，该框架包括超像素块提取、形状与颜色特征提取 和权重值预测三个部分。在此基础上，本文提出了一种基于局部加权对比度的 显著值计算方法，该方法以超像素为计算单元，计算每个超像素块与其他超像 素块在颜色和空间信息上的差异，并将该差异值作为显著值。实验结果表明， 本文提出的基于背景知识学习的视觉注意模型能够有效地提高检测精度，与已 有模型相比，本文模型在 MSRA1000 和 ECSSD 两个公共数据集上检测得到的 显著图具有更高的分辨率和平均精度，目标区域内的显著值分布更加均匀，前 景与背景边界更加明显。 本文还提出了一种基于参数学习的目标检测算法。该方法首先利用本文提 出的视觉注意模型提取图像的显著图，然后在显著图的基础上构造窗口质量函 数，并建立基于贝叶斯概率模型的最优化问题来确定窗口质量函数的最优参 数，最后，利用动态规划算法来计算窗口质量函数的极值点，该极值点的坐标 即为目标窗口的位置。相比于文献 [1] 提出的目标检测模型，本文提出的目标 检测算法在 MSRA1000 和 ECSSD 两个公共数据集上的检测结果具有更高的精 度。同时，检测结果表明本文提出的视觉注意模型与文献 [2] 提出的模型相比， — i — 面向目标检测的视觉注意模型研究 上海交通大学硕士学位论文 在目标检测方面具有更大的优势。 关键词： 视觉注意模型 超像素 局部加权对比度 显著图 目标检测 窗口质量函数 贝叶斯概率模型 ii — 上海交通大学硕士学位论文 ABSTRACT Research on Visual Saliency and Object Recognition ABSTRACT In computer vision, using visual saliency model to detect saliency map has drawn signi?cant attention from researchers. However