论文部分内容阅读
随着互联网技术的发展,数据量急剧增加,借助计算机来处理和提炼数据信息变得越来越重要。如何使计算机模拟人眼视觉,从而实现图像显著性目标的提取,成为一个亟待解决的问题。显著性目标检测通常是指利用计算机快速而准确地提取图中主要的目标区域,剔除次要的背景区域的技术,近年来已成为图像处理中的热点话题。随着该技术的迅猛发展,显著性目标检测被成功地应用在自动识别、图像压缩、图像分割和人工智能等相关领域。现有显著性目标检测算法大都存在边缘分割、背景剔除和目标形态提取等方面检测效果不佳的问题。本文针对以上问题,结合显著性注意机制模型、各类图像特征以及先验知识来模拟人眼特性,提出了一种基于超像素分割及深度特征定位的显著性目标检测算法,实现了对多种类别目标的显著性检测,且获得了良好的检测效果。本文的主要工作如下:1.研究了近年来几类经典的超像素分割算法的性能,并进行了仿真实验,分析了几类算法的优缺点,最终确定了采用基于颜色相似性线性迭代的超像素分割算法作为显著性目标检测的预处理算法。2.针对现有的显著性目标检测算法不能完全剔除背景和不能完整提取目标形态的问题,提出了一种结合超像素分割及深度特征定位的显著性目标检测算法。该算法同时考虑了图像的颜色特征、亮度特征、方向特征以及深度特征信息,并结合人眼视觉特性,生成输入图像的定位显著图和深度显著图,最终通过深度特征定位实现显著性目标检测。实验表明,本文所提出的算法不局限于目标具体特征和所在环境等条件,且检测效果更符合人眼显著性效果,剔除背景更完全,提取目标的形态更完整。3.将本文所提出的算法和经典的三类算法以及近年来所提出的五类算法通过Precision指标、Recall指标和F-Measure指标进行性能分析,结果表明,本文所提出算法的AUC(Area Under Curve,AUC)值达到了0.6888,较其他所比较的算法中次优的RF算法提高了7%,检测出的结果边缘更清晰,背景剔除更完全,目标形态分割更完整,与人工事先标记的结果图更加接近。