顯著性檢測一直以來都是計(jì)算機(jī)視覺領(lǐng)域的關(guān)鍵問題之一,其在視覺跟蹤、圖像壓縮和目標(biāo)識別等方面有著非常重要的應(yīng)用�；趥鹘y(tǒng)RGB圖像和RGB-D圖像的顯著性檢測易受復(fù)雜背景、光照、遮擋等因素的影響,導(dǎo)致在復(fù)雜場景下的檢測精度較低,魯棒的顯著性檢測仍存在很大的挑戰(zhàn)。隨著光場成像技術(shù)的發(fā)展,人們開始從一個(gè)新的途徑解決顯著性檢測問題。光場數(shù)據(jù)記錄著空間光線的位置信息和方向信息,隱含著場景的幾何結(jié)構(gòu),能為顯著性檢測提供可靠的背景、深度等先驗(yàn)信息。因此,利用光場數(shù)據(jù)進(jìn)行顯著性檢測得到了國內(nèi)外學(xué)者的廣泛關(guān)注。本文針對在復(fù)雜場景下的顯著性檢測問題,利用光場數(shù)據(jù)中的多視角信息以及卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征表達(dá)能力,深入研究基于光場數(shù)據(jù)的顯著性檢測算法,提高復(fù)雜場景的檢測精度。主要研究內(nèi)容如下:（1）介紹了顯著性檢測相關(guān)背景和研究現(xiàn)狀,分析了本課題的研究意義,對光場基本理論、光場數(shù)據(jù)獲取方式、圖像表征和顯著性檢測問題概念進(jìn)行深入探討。（2）利用光場相機(jī)Lytro Illum采集光場數(shù)據(jù),構(gòu)建一個(gè)豐富且高質(zhì)量顯著性檢測數(shù)據(jù)集。該數(shù)據(jù)集提供640幅室內(nèi)、外的背景復(fù)雜、前景背景顏色相近、包含多種光源、多個(gè)顯著目標(biāo)等圖... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于RGB圖像的顯著性檢測算法所獲取的顯著圖（a）RGB圖像（b）真值圖（c）

鞔????彌С窒蛄炕?SupportVectorMachine，SVM)分類器實(shí)現(xiàn)顯著性目標(biāo)檢測；與Gupta等人[47]不同的是，Li等人[48]利用遞歸神經(jīng)網(wǎng)絡(luò)融合后期特征。盡管基于RGB-D圖像的顯著性檢測算法考慮了場景深度信息，但是這類算法主要存在兩方面的問題：（1）算法嚴(yán)重依賴深度圖的質(zhì)量，當(dāng)深度圖質(zhì)量較差時(shí)，深度圖也無法為顯著性檢測提供有效信息；（2）算法常常忽略深度和外觀之間的關(guān)聯(lián)，當(dāng)顯著目標(biāo)與背景有著相似的顏色和深度時(shí)，如圖2所示，基于異性中心-周圍特征的深度顯著性檢測算法（ACSD）[49]也無法精準(zhǔn)檢測顯著目標(biāo)。圖1.2基于RGB-D圖像的顯著性檢測算法所獲取的顯著圖（a）RGB圖像（b）深度圖（c）真值圖（d）ACSD[49]Figure1.2SaliencymapsobtainedbydetectionalgorithmsbasedonRGBimage(a)RGBimage(b)Depthmaps(c)Groundtruthmaps(d)ACSD[49]1.2.3基于4D光場數(shù)據(jù)的顯著性檢測4D光場數(shù)據(jù)包含場景中光線的方向和位置信息，因此，與RGB圖像和RGB-D圖像相比，其包含了更豐富的場景信息。目前利用光場數(shù)據(jù)進(jìn)行顯著性檢測也引起了研究者們的關(guān)注。2014年，Li等人[19]提出了第一個(gè)光場顯著性檢測算法，他們首先利用數(shù)字重聚焦技術(shù)從光場數(shù)據(jù)中合成聚焦在不同深度平面的焦點(diǎn)堆棧圖像，計(jì)算聚焦堆棧圖像中的全部聚焦片，然后再根據(jù)位置信息計(jì)算背景概率，結(jié)合顏色特征生成最終的顯著圖，證明了在相似前景背景、復(fù)雜背景等挑戰(zhàn)性場景中，基于光場數(shù)據(jù)的顯著性檢測算法有著更高的檢測精度。隨后，Zhang等人[18]提出利用深度對比信息來補(bǔ)充基于聚焦線索的背景信息以及顏色信息的不足之處，更好提升顯著性檢測性能。Zhang等人[50]發(fā)現(xiàn)光場數(shù)據(jù)中的流信息反映了場景深度的變化，因此計(jì)算所有相鄰焦點(diǎn)堆棧圖像的位移振幅獲得光場數(shù)據(jù)的焦點(diǎn)流，在多視

合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文8圖1.3論文主要內(nèi)容與章節(jié)安排Figure1.3Themainresearchcontentsandarrangementofthethesis

【參考文獻(xiàn)】：
期刊論文
[1]基于多尺度先驗(yàn)深度特征的多目標(biāo)顯著性檢測方法[J]. 李東民,李靜,梁大川,王超.  自動化學(xué)報(bào). 2019(11)

博士論文
[1]視覺顯著性檢測方法研究及其應(yīng)用[D]. 王晨.西北工業(yè)大學(xué) 2018
[2]基于生物視覺認(rèn)知機(jī)理的特征提取及其應(yīng)用研究[D]. 張?jiān)?華中科技大學(xué) 2014



本文編號：3355233