視覺顯著性是指人類視覺系統(tǒng)在處理圖像/視頻時能夠快速準確的定位、處理最吸引人眼的局部區(qū)域（通常被稱為顯著性區(qū)域）。受此啟發(fā),研究人員嘗試利用計算機模擬人類的視覺系統(tǒng)實現(xiàn)從圖像/視頻中凸顯顯著性區(qū)域。同時,隨著人工智能的蓬勃發(fā)展,將機器學習方法應(yīng)用于視覺顯著性檢測成為當下的研究熱點。本論文引入機器學習算法,針對圖像顯著性檢測,從單模型性能提升和顯著性圖融合兩方面開展研究,而針對視頻顯著性檢測,則從給出人工標注的視頻初始幀顯著對象模板、單模型性能提升和利用深度學習這三方面開展研究。因此,針對圖像/視頻的顯著性檢測,本論文提出了如下所述的五種有效的模型:1.基于多核Boosting與自適應(yīng)融合的圖像顯著性檢測性能提升模型為了提升已有的圖像顯著性檢測模型的性能,本論文提出了一種基于多核Boosting與自適應(yīng)融合的圖像顯著性檢測性能提升模型。首先,提取由區(qū)域自身特征信息、區(qū)域特征方差及區(qū)域特征對比度構(gòu)成的區(qū)域級特征,其中,區(qū)域?qū)Ρ榷仍诰植俊⑷旨斑吔缛N鄰域上進行度量;然后,將顯著性檢測視為回歸問題,利用基于支持向量回歸的多核Boosting算法生成輔助性顯著性圖;最后,引入質(zhì)量評價準則,將輔... 

【文章來源】：上海大學上海市 211工程院校

【文章頁數(shù)】：118 頁

【學位級別】：博士

【部分圖文】：

圖１－１包含感興趣對象的圖像示例：偶數(shù)列為對應(yīng)的人工標注的二值圖

２．１．１基于中央－周圍差異的顯著性檢測模型??Ｉｔｔｉ等于１９９８年根據(jù)人眼生物結(jié)構(gòu)［８］與特征集成理論［９］提出了著名的基于中??央－周圍差異的顯著性檢測模型［ｌＱ］，其流程圖如圖２－１所示，主要步驟如下：??１）

?ｔｈｅ?ｓｅｃｏｎｄ?ｓｔａｇｅ??圖２－２?Ｙａｎｇ等［２９］提出的流行排序、昆著性檢測模型流程圖??Ｙａｎｇ等［２９］于２０１３年提出了基于流行排序的顯著性檢測模型，如圖２－２所示。，??１１??


本文編號：3095149