利用判别显着性的跟踪.ppt

Histogram-based Interest Point Detectors 杨涛 作者信息 Wei-Ting Lee 李威霆 Hwann-Tzong Chen Assistant Professor Department of Computer Science National Tsing Hua University Research Interests Computer Vision, Image Processing, Machine Learning 摘要 本文提出利用灰度直方图信息检测感兴趣点的新方法。与现有的对图像亮度逐点测量差异不同，本方法包括基于直方图的表示，因而能找到在邻域中不同分布的图像区域。提出的检测器能够获得大尺度结构和不同纹理模式，并显示出对旋转、亮度变化、模糊的不变性。 实验结果证明本方法模糊和亮度变化情况下的纹理匹配任务中表现得特别好。 扩展本方法到空时感兴趣点检测可用于动作分类。 基于直方图的感兴趣点检测 对于任意给定图像块中的像素，可以将其量化成几个离散的值。假定有 阶，那么 在每个像素位置 ，加权直方图 的第k个分量由下式计算得到： 其中 集合 定义围绕 的邻域窗口 是使得 的正规化因子 基于直方图的感兴趣点检测 给定在像素 处有一个微小的平移 用Bhattacharyya Coefficient度量直方图 与 的相似性： 二阶泰勒展开式的结果： 基于直方图的感兴趣点检测 其中 将（1）式代入得 基于直方图的感兴趣点检测 矩阵获得像素 周围邻域的直方图结构。如果的两个特征值都很大，那么一个很小的平移，将会导致Bhattacharyya Coefficient的急剧下降，因而直方图 与直方图 非常不相似。将这样的像素称为感兴趣点。 所以问题转化为与局部Bhattacharyya Coefficient相应的Hessian Matrix的特征值问题。 无需显式计算特征值，可以用行列式与迹的响应函数来模拟： 提取局部不变区域用于匹配 基于直方图的图像表示 颜色直方图 方向梯度直方图 尺度选择 实验 图像匹配 实验 图像匹配 实验 时空感兴趣点检测 Random Walks on Graphs to Model Saliency in Image 作者信息（1） Viswanath Gopalakrishnan Degree Registered : Ph.D Supervisor : Asst Prof Deepu Rajan Research Title : Visual Attention Yiqun Hu Ph.D candidate Supervisor : Asst Prof Deepu Rajan and Chia Liang Tien Research Interests: Computer Vision Network Technology Artificial Intelligence Human Computer Interaction 作者信息（2） Deepu Rajan Assistant Professor Division of Computing Systems School of Computer Engineering College of Engineering Nanyang Technological University Research Interests: Image and video processing computer vision multimedia signal processing 摘要 将显著性区域检测公式化成马尔可夫随机游走问题。 通过全图随机游走提取图像全局属性，通过k-regular图随机游走提取局部属性。 最显著的节点是全局最孤立且落在局部最紧凑的区域。 背景节点是与最显著节点“距离”最远的节点。 通过最显著节点与背景节点得到显著区域。 各态历经马尔可夫链 从任意状态出发可以到达任意状态的马尔可夫链称为各态历经马尔可夫链。 各态历经马尔可夫链 假设有N个状态 ：转移矩阵 ：状态i到j的转移概率 平稳条件： 是1×N的行向量，为N个状态的马尔可夫平稳分布，可以由