【摘要】：為了對圖像中的顯著目標(biāo)進(jìn)行更精確的識別,提出一種新的基于多尺度區(qū)域?qū)Ρ鹊囊曈X顯著性計算模型。首先基于多尺度思想將圖像分別分割為不同數(shù)目的超像素,對超像素內(nèi)的像素顏色值取平均以生成抽象化圖像;然后根據(jù)顯著特征的稀少性及顯著特征的聚集性,計算單一尺度下超像素顏色特征的顯著性值;最后通過取各尺度超像素顯著度的平均值來融合多尺度顯著圖,得到最終的視覺顯著圖。實(shí)驗(yàn)表明,以MSRA圖庫中的1 000張隨機(jī)自然圖片為例,該模型較現(xiàn)有較好的區(qū)域?qū)Ρ饶Ｐ?顯著目標(biāo)識別的精確率提高了14.8%,F-Measure值提高了9.2%。與現(xiàn)有的算法相比,該模型提高了算法對顯著目標(biāo)大小的適應(yīng)性,減少了背景對顯著目標(biāo)識別的干擾,具有更好的一致性,能更好地識別顯著目標(biāo)。
【圖文】：

圖1不同尺度下的抽象化圖像Fig．1Multi-scalesabstractimages2．2計算單一尺度超像素顯著性根據(jù)context-aware［15］提出的準(zhǔn)則:(1)具有不同顏色的區(qū)域?qū)?yīng)顯著性值高，均勻的區(qū)域顯著性值低;(2)經(jīng)常出現(xiàn)的特征應(yīng)當(dāng)被抑制;(3)顯著的像素應(yīng)當(dāng)聚集在一塊，而不是遍布整幅圖像。本文計算單一尺度下的超像素顯著性值，下面以圖2為例，，取Nk=400，圖2為一張測試圖的原圖。圖2原圖Fig．2Originimage首先，由準(zhǔn)則(2)可以看出，當(dāng)某個超像素與其他的超像素的顏色差異較大時，則該超像素的稀少性高。由準(zhǔn)則(1)可以看出，空間距離也能影響超像素顏色特征的稀少性，超像素之間的空間距離越近，則其顏色差異對稀少性的影響越大。反之，當(dāng)超像素之間的空間距離較大時，即使其顏色差異較大，對稀少性的影響也不大。基于上述分析，本文采用以超像素間空間距離作為權(quán)值的加權(quán)顏色距離之和來表示超像素的稀少性。定義dcolor(i，j)為第i個超像素與第j個超像素在Lab顏色空間上的歐式距離，并對其歸一化。dposition(i，j)為兩個超像素的空間位置的歐式距離，并對其歸一化。定義Ｒik=ΣNkj=1dcolor(i，j)·e－dposition(i，j)σ2p，(1)式中，σ2p用來控制空間距離對顏色對比的影響大小，在本文取σ2p為0.4。當(dāng)兩個超像素的空間距離較小時，Ｒik可以基本看成是兩個超像素間的顏色空間的歐式距離之和，當(dāng)兩者的空間距離較大時，會大幅度減小兩者的顏色距離對稀少性的影響。所以Ｒik越大，則在第k個尺度下第i個超像素的稀少性越高，如圖3所示。圖3Ｒ值對應(yīng)的顯著圖Fig．3SaliencymapwithvalueＲ上述是通過準(zhǔn)則(1)、(2)的特征性質(zhì)推出的一種稀少性計算方法，而由準(zhǔn)則

圖1不同尺度下的抽象化圖像Fig．1Multi-scalesabstractimages2．2計算單一尺度超像素顯著性根據(jù)context-aware［15］提出的準(zhǔn)則:(1)具有不同顏色的區(qū)域?qū)?yīng)顯著性值高，均勻的區(qū)域顯著性值低;(2)經(jīng)常出現(xiàn)的特征應(yīng)當(dāng)被抑制;(3)顯著的像素應(yīng)當(dāng)聚集在一塊，而不是遍布整幅圖像。本文計算單一尺度下的超像素顯著性值，下面以圖2為例，取Nk=400，圖2為一張測試圖的原圖。圖2原圖Fig．2Originimage首先，由準(zhǔn)則(2)可以看出，當(dāng)某個超像素與其他的超像素的顏色差異較大時，則該超像素的稀少性高。由準(zhǔn)則(1)可以看出，空間距離也能影響超像素顏色特征的稀少性，超像素之間的空間距離越近，則其顏色差異對稀少性的影響越大。反之，當(dāng)超像素之間的空間距離較大時，即使其顏色差異較大，對稀少性的影響也不大�；谏鲜龇治觯疚牟捎靡猿袼亻g空間距離作為權(quán)值的加權(quán)顏色距離之和來表示超像素的稀少性。定義dcolor(i，j)為第i個超像素與第j個超像素在Lab顏色空間上的歐式距離，并對其歸一化。dposition(i，j)為兩個超像素的空間位置的歐式距離，并對其歸一化。定義Ｒik=ΣNkj=1dcolor(i，j)·e－dposition(i，j)σ2p，(1)式中，σ2p用來控制空間距離對顏色對比的影響大小，在本文取σ2p為0.4。當(dāng)兩個超像素的空間距離較小時，Ｒik可以基本看成是兩個超像素間的顏色空間的歐式距離之和，當(dāng)兩者的空間距離較大時，會大幅度減小兩者的顏色距離對稀少性的影響。所以Ｒik越大，則在第k個尺度下第i個超像素的稀少性越高，如圖3所示。圖3Ｒ值對應(yīng)的顯著圖Fig．3SaliencymapwithvalueＲ上述是通過準(zhǔn)則(1)、(2)的特征性質(zhì)推出的一種稀少性計算方法，而由準(zhǔn)則
【作者單位】： 中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;中國科學(xué)院大學(xué);
【基金】：國家高技術(shù)研究發(fā)展計劃(863計劃)資助項(xiàng)目(No.2013AAXXXX042)~~
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙永強(qiáng),張洪才,潘泉;基于粗集的目標(biāo)識別[J];計算機(jī)應(yīng)用;2003年S1期

2 馮杰,蓋強(qiáng),古軍峰;模糊聚類分析方法在海上目標(biāo)識別中的應(yīng)用[J];儀器儀表學(xué)報;2004年S1期

3 周樂儒;王寶樹;;數(shù)據(jù)融合系統(tǒng)中并行目標(biāo)識別的研究與實(shí)現(xiàn)[J];計算機(jī)工程;2006年05期

4 王娜;陳克安;;基于特性響度的心理聲學(xué)特征在車輛目標(biāo)識別中的應(yīng)用[J];電聲技術(shù);2006年06期

5 魏麗;吳中福;李云;古毅;;感知?dú)w類在目標(biāo)識別中的應(yīng)用研究[J];計算機(jī)科學(xué);2006年05期

6 程蕾;吳秀清;;局部特征幾何結(jié)構(gòu)用于目標(biāo)識別[J];計算機(jī)工程與應(yīng)用;2010年26期

7 姬光榮,王鵬,呂洪濤,胡滿田;基于不變性矩的3D目標(biāo)識別[J];青島海洋大學(xué)學(xué)報;1997年03期

8 樊養(yǎng)余;孫進(jìn)才;李平安;許家棟;尚久浩;;基于高階譜的艦船目標(biāo)識別[J];模式識別與人工智能;1999年02期

9 黃旭明,張立明;基于獨(dú)立元分析的扭曲目標(biāo)識別[J];系統(tǒng)工程與電子技術(shù);2004年04期

10 張海燕,劉大昕,王東木;目標(biāo)識別的極指數(shù)柵格方法[J];哈爾濱工程大學(xué)學(xué)報;2004年04期

相關(guān)會議論文 前10條

1 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚雷目標(biāo)識別[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

2 李夕海;趙克;慕曉冬;劉代志;;目標(biāo)識別中的特征相空間吸引子分析[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 馮杰;蓋強(qiáng);古軍峰;;模糊聚類分析方法在海上目標(biāo)識別中的應(yīng)用[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

4 趙克;劉代志;慕曉東;蘇娟;;目標(biāo)識別的特征量約束[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

5 李正東;陳興無;宋琛;何武良;;多傳感器的目標(biāo)識別[A];中國工程物理研究院科技年報（1999）[C];1999年

6 俞鴻波;趙榮椿;;三維空間目標(biāo)識別概述[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2002年

7 曹健;陳紅倩;毛典輝;李海生;蔡強(qiáng);;基于局部特征的圖像目標(biāo)識別問題綜述[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

8 姚志軍;韓秋蕾;;一種新的基于少量樣本的目標(biāo)識別與分割方法[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

9 劉兵;司秉玉;;基于圖像區(qū)域搜索法的彩色球目標(biāo)識別與跟蹤[A];中國儀器儀表學(xué)會第五屆青年學(xué)術(shù)會議論文集[C];2003年

10 蔣立正;李宗利;劉淑茜;;基于雷達(dá)觀測的空間目標(biāo)識別仿真系統(tǒng)設(shè)計[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2004年

本文編號：2522742