收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器学习的视觉显著性检测研究

周晓飞  
【摘要】:视觉显著性是指人类视觉系统在处理图像/视频时能够快速准确的定位、处理最吸引人眼的局部区域(通常被称为显著性区域)。受此启发,研究人员尝试利用计算机模拟人类的视觉系统实现从图像/视频中凸显显著性区域。同时,随着人工智能的蓬勃发展,将机器学习方法应用于视觉显著性检测成为当下的研究热点。本论文引入机器学习算法,针对图像显著性检测,从单模型性能提升和显著性图融合两方面开展研究,而针对视频显著性检测,则从给出人工标注的视频初始帧显著对象模板、单模型性能提升和利用深度学习这三方面开展研究。因此,针对图像/视频的显著性检测,本论文提出了如下所述的五种有效的模型:1.基于多核Boosting与自适应融合的图像显著性检测性能提升模型为了提升已有的图像显著性检测模型的性能,本论文提出了一种基于多核Boosting与自适应融合的图像显著性检测性能提升模型。首先,提取由区域自身特征信息、区域特征方差及区域特征对比度构成的区域级特征,其中,区域对比度在局部、全局及边界三种邻域上进行度量;然后,将显著性检测视为回归问题,利用基于支持向量回归的多核Boosting算法生成辅助性显著性图;最后,引入质量评价准则,将辅助性显著性图和利用已有模型生成的初始显著性图进行自适应融合,并生成最终的显著性图。从公开数据集上的实验结果可以看出,利用提出的模型提升后的显著性图质量优于已有显著性检测模型生成的原始显著性图,这表明提出的模型能够有效提升现有的多种显著性检测模型的性能。2.基于质量评价的显著性图自适应融合模型为了有效地融合多个由已有图像显著性检测模型生成的显著性图,本论文提出了一种基于质量评价的显著性图自适应融合模型。首先,对于给定的一幅图像及利用已有显著性检测模型为其生成的多幅显著性图,提取一系列的质量特征;然后,在获取的质量特征上,利用Boosting算法训练得到质量评价模型,并对各显著性图进行质量评分;接着,采用基于幂律变换的线性融合方法来融合多幅显著性图;最后,引入图割算法进行细化操作,来强化空域平滑性,并获得最终的高质量显著性图。同现有显著性检测模型和融合模型相比,提出的模型在公开数据集上均取得了最优性能,表明其能够有效地提升显著性检测性能。3.基于集成式预测与时空域传播的视频显著性检测模型在给出人工标注的视频初始帧显著对象模板的条件下,本论文提出了一种基于集成式预测与时空域传播的视频显著性检测模型。首先,利用下采样得到多个训练子集,并在此基础上进行训练获得对应的子回归器;然后将这些子回归器相结合得到集成式显著性预测模型,并对当前帧进行显著性预测;接着,在局部时域窗口中进行前、后向时域传播,获取预测显著性图的辅助性信息,并得到过渡性显著性图;其中,后向时域传播建立在对后续帧过渡性显著性图的估计之上。最后,为了增强空域平滑性,利用颜色与运动信息进行空域传播,并得到最终的时空显著性图。在公开的无约束视频数据集上的实验结果表明,同当前已有的时空显著性检测模型相比,提出的模型取得了最优性能。4.基于局域估计与时空域细化的视频显著性检测性能提升模型为了提升已有视频显著性检测模型的性能,本论文提出了一种基于局域估计与时空域细化的显著性检测性能提升模型,包括局域预测、时空域细化和显著性更新三步。首先,利用已有的视频显著性检测模型为视频的每一帧生成初始显著性图;然后,对于当前帧,考虑时域一致性及相邻帧之间的强相关性,训练基于局部时域窗口的随机森林回归器,即局域预测模型,以此对当前帧进行显著性检测并得到过渡性显著性图;最后,利用表观与运动信息进行时空域的细化,并得到最终的时空显著性图。此外,获取的时空显著性图将用于更新对应于当前帧的初始显著性图,以此为后续帧的处理提供确信度更高的训练样本。从公开数据集上的实验结果可以看出,利用提出的模型提升后的显著性图质量优于已有显著性检测模型生成的初始显著性图,这表明提出的模型能够有效地提升现有模型的显著性检测性能。5.基于深度卷积网络的视频显著性检测模型有鉴于深度学习在图像显著性检测上的成功应用,本论文提出了一种基于深度卷积网络的视频显著性检测模型,该模型由三部分构成:特征图提取、特征聚合和空域细化。首先,将当前帧与其对应的光流图像串接,并送入特征提取网络以获取对应的特征图;接着,将前述生成的特征图、当前帧及其光流图像串接后送入聚合网络,其中,当前帧及其光流图像信息能够为特征聚合提供补充性信息;最后,为了得到具有清晰边界的显著性图,将聚合网络的输出与当前帧一起送入轮廓提取网络进行空域细化,以获得最终的显著性图。在公开数据集上的实验结果表明,提出的模型性能优于现有的视频显著性检测模型。本论文针对图像显著性检测和视频显著性检测,利用传统的机器学习算法,从单模型性能提升、多显著性图融合以及给出人工标注的视频初始帧显著对象模板这三方面进行了深入研究,提出了四个显著性模型,有效地提高了显著性检测的性能。同时,随着深度学习的快速发展及其在图像显著性检测上的成功应用,本论文采用深度卷积网络构建了相应的视频显著性检测模型,有效地提高了视频显著性检测的性能。本论文进行的这些研究工作,从多个方面推动了显著性检测这一研究领域的发展。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 贾蓓;李敬华;肖飞;;基于复杂电磁环境的信号检测模型构建分析[J];信息技术与信息化;2015年09期
2 蔡静;;考虑检测影响的贮存-检测模型及其参数估计[J];湖北民族学院学报(自然科学版);2012年02期
3 董斯维;郭斌;余力;;个性化推荐攻击检测模型研究[J];农业网络信息;2006年12期
4 任涵;李勇;吕天雯;;基于自适应遗传算法的猕猴桃组培检测模型[J];计算机与应用化学;2016年12期
5 李一男;刘永平;王汝琳;;一种矿用红外瓦斯传感器的检测模型[J];工矿自动化;2010年01期
6 张强;;一种利用特征选择改进的行人检测模型[J];微型机与应用;2016年02期
7 杨浩;谢昕;李卓群;章玲玲;;网络中隐蔽信道数据安全检测模型研究与仿真[J];计算机仿真;2016年10期
8 严侃;雷江涛;;基于时频分析的水声目标被动检测模型研究[J];鱼雷技术;2015年01期
9 李世淙;云晓春;张永铮;;一种基于分层聚类方法的木马通信行为检测模型[J];计算机研究与发展;2012年S2期
10 孙飞帆;施勇;薛质;;基于权重分析的网页木马检测模型[J];信息安全与通信保密;2012年12期
11 李月,杨宝俊,郭华;微弱方波信号检测模型混沌解的判定[J];地球物理学进展;2002年01期
12 唐智慧;王志鹏;党珊;朱翠翠;;手机打车软件操作驾驶分心检测模型研究[J];交通运输工程与信息学报;2018年01期
13 赵刚;姚兴仁;;基于用户画像的异常行为检测模型[J];信息网络安全;2017年07期
14 王芳芳;;分布式网络异常攻击检测模型仿真分析[J];计算机测量与控制;2016年10期
15 武为宝;贺年;程金育;邓姿源;赵成;刘文丽;;近红外光谱法建立断血流片快速检测模型[J];中国药事;2012年11期
16 贾慧;高仲合;;基于自相似的异常流量检测模型[J];通信技术;2010年12期
17 张兆清;金岩;余春艳;张勇杰;雷娟;;化学品刺激性组织工程皮肤检测模型的构建[J];中国工业医学杂志;2006年02期
中国重要会议论文全文数据库 前10条
1 刘俊荣;王文槿;刘宝旭;;一种基于网络行为分析的木马检测模型[A];第十六届全国核电子学与核探测技术学术年会论文集(下册)[C];2012年
2 王建平;张自立;魏华;;战术空域冲突检测模型研究[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年
3 李京鹏;杨林;刘世栋;;防火墙状态检测模型研究[A];第十八次全国计算机安全学术交流会论文集[C];2003年
4 孙璐;马兆丰;黄勤龙;;基于权限分析的安卓应用程序风险检测模型[A];第十届中国通信学会学术年会论文集[C];2014年
5 范渊;凌霄;;Android程序安全检测模型[A];第28次全国计算机安全学术交流会论文集[C];2013年
6 武照东;刘英凯;刘春;吴秀峰;;Overlay网络的链路故障检测模型[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集(下)[C];2008年
7 刘赛娥;;基于ARP欺骗的以太网检测模型的设计与实现[A];《教师教学能力发展研究》科研成果集(第六卷)[C];2017年
8 周双娥;熊国平;;基于Petri网的故障检测模型的设计与分析[A];第六届中国测试学术会议论文集[C];2010年
9 廖鹏;;基于异常特征的DDoS检测模型[A];经济发展方式转变与自主创新——第十二届中国科学技术协会年会(第四卷)[C];2010年
10 王心觉;;应用LabVIEW的建筑结构健康检测模型和预警系统实验[A];2015年上海-西安声学学会第四届声学学术交流会论文集[C];2015年
中国博士学位论文全文数据库 前10条
1 王燕;基于用户感知与业务特征的电信网络性能监控与检测模型研究[D];西安电子科技大学;2018年
2 周晓飞;基于机器学习的视觉显著性检测研究[D];上海大学;2018年
3 邓涛;基于视觉注意的驾驶场景显著性检测模型研究[D];电子科技大学;2018年
4 赵静;网络协议异常检测模型的研究与应用[D];北京交通大学;2010年
5 唐赫;基于生物启发和统计分析相结合的图像显著性检测模型研究[D];华中科技大学;2017年
6 蒋鹏;图像内容显著性检测的理论和方法研究[D];山东大学;2016年
7 李涛;基于上下文的目标检测研究[D];电子科技大学;2016年
8 陈林洁;褪黑激素受体MT1活化的信号转导机制研究及内含肽介导的新型GPCR活化检测模型构建[D];浙江大学;2013年
9 王颖;僵尸网络对抗关键技术研究[D];北京邮电大学;2014年
10 高洪燕;生菜生长信息快速检测方法与时域变量施肥研究[D];江苏大学;2015年
中国硕士学位论文全文数据库 前10条
1 邢召龙;基于深度学习的肺癌检测模型[D];吉林大学;2018年
2 许友昌;云环境下面向智能运维的KPI异常检测研究[D];广西大学;2018年
3 孙冠雄;人体关键点检测模型及其向心脏关键点定位的迁移研究[D];哈尔滨工业大学;2018年
4 张瑜;基于Powerlink协议解析的异常检测方法研究[D];沈阳理工大学;2018年
5 姜鹏;多态性位点和致病基因的检测模型构建与算法研究[D];广西大学;2017年
6 李光曦;基于多特征的跨语言剽窃检测模型构建技术研究[D];哈尔滨工程大学;2017年
7 杨俊;基于卷积神经网络的目标检测研究[D];兰州理工大学;2018年
8 黄莉芝;基于深度卷积神经网络的目标检测算法研究[D];西南交通大学;2018年
9 李晓艳;无线网络环境下伪AP检测模型的研究与实现[D];北京邮电大学;2018年
10 邢华康;基于人工免疫的病毒检测模型研究[D];北京邮电大学;2018年
中国重要报纸全文数据库 前3条
1 赛迪出版传媒首席记者 郭涛;预见性安全“又快又好”[N];中国计算机报;2018年
2 中联绿盟、李群;IDS的关键:解决好误报和漏报[N];中国计算机报;2002年
3 ;文化力是决定成败的关键因素[N];常州日报;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978