顯著目標(biāo)檢測旨在通過設(shè)計智能算法,使得計算機(jī)具有模仿人類視覺注意機(jī)制的能力,從而自動獲取圖像中最吸引人眼注意的目標(biāo)或區(qū)域。作為預(yù)處理技術(shù)用于降低數(shù)據(jù)處理成本和計算時間,顯著目標(biāo)檢測廣泛應(yīng)用于圖像分割、圖像融合、圖像恢復(fù)等其他計算機(jī)視覺和機(jī)器學(xué)習(xí)的任務(wù)中,具有重要的理論研究意義和社會應(yīng)用價值。目前,簡單場景下（比如單一顯著目標(biāo)處于圖像中心、背景簡單、前景與背景對比度高）的圖像顯著目標(biāo)檢測性能已經(jīng)接近于人眼的水平,但是,復(fù)雜場景下（比如顯著目標(biāo)靠近圖像邊界、背景復(fù)雜、前景與背景對比度低、場景語義信息豐富等）的顯著目標(biāo)檢測仍是個亟待解決的難題。本文針對已有圖像顯著目標(biāo)檢測方法存在的問題,基于稀疏表示、圖論、深度學(xué)習(xí)等理論,提出了多種算法,用于完整、一致地檢測復(fù)雜場景下的顯著目標(biāo)。具體研究內(nèi)容如下:第一,提出了一種基于魯棒稀疏表示與局部一致性的顯著目標(biāo)檢測算法。已有基于稀疏表示的顯著目標(biāo)檢測方法采用均方誤差表示顯著目標(biāo),對非高斯噪聲具有較強(qiáng)的敏感性。與之不同,我們將顯著目標(biāo)看成稀疏的“野點(diǎn)”,采用稀疏誤差表征稀疏“野點(diǎn)”,從而將顯著目標(biāo)檢測問題轉(zhuǎn)換為稀疏追蹤問題,實(shí)現(xiàn)首次將魯棒稀疏表示應(yīng)用于顯... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：119 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景和意義
    1.2 顯著性檢測的發(fā)展概述
    1.3 顯著目標(biāo)檢測的國內(nèi)外研究現(xiàn)狀
        1.3.1 自底而上
        1.3.2 自頂向下
    1.4 本文主要研究內(nèi)容
        1.4.1 本文研究內(nèi)容結(jié)構(gòu)
        1.4.2 本文具體研究內(nèi)容
    1.5 本文章節(jié)安排
第二章 基于魯棒稀疏表示和局部一致性的顯著目標(biāo)檢測
    2.1 引言
    2.2 基于魯棒稀疏表示和局部一致性的顯著目標(biāo)檢測方法
        2.2.1 魯棒稀疏表示模型
        2.2.2 基于魯棒稀疏表示和局部一致性的顯著目標(biāo)檢測算法
    2.3 實(shí)驗(yàn)和分析
        2.3.1 公開數(shù)據(jù)集
        2.3.2 評價準(zhǔn)則
        2.3.3 參數(shù)設(shè)置
        2.3.4 魯棒稀疏表示模型和局部一致性先驗(yàn)信息的有效性
        2.3.5 提出算法與主流方法比較
        2.3.6 計算復(fù)雜度比較
    2.4 小結(jié)
第三章 基于二階段圖的顯著目標(biāo)檢測
    3.1 引言
    3.2 基于二階段圖的顯著目標(biāo)檢測算法
        3.2.1 特征提取
        3.2.2 第一階段:基于圖論的加權(quán)聯(lián)合魯棒稀疏表示模型
        3.2.3 第二階段:基于圖論的流形排序方法
        3.2.4 后處理
        3.2.5 算法步驟總結(jié)
        3.2.6 計算復(fù)雜度
    3.3 實(shí)驗(yàn)和分析
        3.3.1 參數(shù)設(shè)置
        3.3.2 提出算法各個階段的性能比較
        3.3.3 提出算法與主流方法的比較
        3.3.4 第二階段算法的提升作用
        3.3.5 計算復(fù)雜度比較
    3.4 小節(jié)
第四章 基于上下文信息指導(dǎo)的深度顯著目標(biāo)檢測
    4.1 引言
    4.2 基于上下文信息指導(dǎo)的深度顯著目標(biāo)檢測網(wǎng)絡(luò)
        4.2.1 基礎(chǔ)網(wǎng)絡(luò)
        4.2.2 組卷積模塊（GCM）
        4.2.3 基于上下文信息指導(dǎo)的多層深度信息融合策略
        4.2.4 顯著性預(yù)測
    4.3 實(shí)驗(yàn)和分析
        4.3.1 實(shí)驗(yàn)設(shè)置
        4.3.2 與主流方法比較
        4.3.3 消融實(shí)驗(yàn)和分析
    4.4 小節(jié)
第五章 基于部分-目標(biāo)匹配的深度顯著目標(biāo)檢測
    5.1 引言
    5.2 深度二分流部分-目標(biāo)匹配的顯著目標(biāo)檢測網(wǎng)絡(luò)
        5.2.1 FLNet
        5.2.2 TSPOANet
        5.2.3 顯著性預(yù)測
        5.2.4 對TSPOANet的深入分析
    5.3 實(shí)驗(yàn)和分析
        5.3.1 實(shí)驗(yàn)設(shè)置
        5.3.2 客觀性能比較
        5.3.3 消融實(shí)驗(yàn)和分析
    5.4 小節(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
作者簡介



本文編號：2992578