论文部分内容阅读
显著目标检测是通过模仿人眼视觉系统的注意力选择机制主动选取与周围环境差异较大的目标来做后续的处理，它相当于滤波器将冗余的背景信息屏蔽掉，减少了图像分析系统的处理负担。在图像处理任务中显著目标检测常常作为预处理模块提供目标粗检测的位置信息，广泛应用于目标跟踪识别、图像检索以及图像压缩等领域，具有较大的应用价值。在真实的应用场景中复杂背景下的图像居多，而对它进行的专门研究工作还较少，所以本文主要研究了显著目标检测方法对复杂背景下大、中、小各类目标的检测性能。通过前期大量的文献查阅工作和实验发现现有的方法在复杂背景下普遍存在检测准确率较低和检测速度慢的缺点，本文力求寻找到检测准确率高且计算速度较快的综合性能优秀的算法。首先本文在总结大量当前显著目标检测方法的基础上，确定了使用检测性能较好的基于频域和基于对比度的方法进行融合检测的技术路线，要使最后融合性能较好首先需要两种单一的方法到达最优，所以对两者在复杂背景下的检测性能分别进行了不同程度的优化。在基于频域的检测方法研究中，本文借鉴该领域的多尺度融合的思想对最新的频域HFT方法做了速度优化，使得它与原方法相比检测综合性能有所提升。在基于对比度的检测方法研究中，在现有的中心-周围对比度算子基础上提出了新的局部对比度算子，用它进行小目标的检测，还解决了它在复杂背景下检测效果差的问题。然后将它的结果与负责检测大目标和中等目标的单尺度中心-周围对比度算子结合，取得了较高的检测准确率以及较快的计算速度。最后利用显著图平均相加的融合方式将基于频域和基于对比度检测方法结合起来，形成理论优势互补，让融合后的方法在复杂背景下有更强的适应性，使得最后检测出的显著目标更加完整准确。最后通过在三个不同的测试图库以及与多种不同方法的对比实验中可以看到，本文提出的融合方法超过了多数单一理论基础的方法，达到了检测准确率高且计算时间快的应用要求，在显著目标分割中也取得了很好的表现。