基于视觉特性的目标检测算法研究

The existing salient object detection models based on visual features have good detection results in the context of the simple background and single object. However, in reality, it remains a challenging problem for the complexity of scene, the diversity of objects, and the limitation of priori knowledge to detect salient objects in images and videos. We will select and construct appropriate image low-level features, and fully exploit prior knowledge of the image background and foreground. According to the distribution of saliency map pixels, an entropy-based measure algorithm and a fusion algorithm will be proposed to create a saliency detection model of static images. Since the salient features of the video are affected not only by the movement information, but also by the relativity of the adjacent frames, we will extend the detection model of static images and present a co-saliency detection algorithm based on salient features in adjacent frames. Next, the co-salient features derived from the above proposed algorithm and video motion information will be fused via Markov model features to improve the results of salient object detection in videos in the absence of any prior knowledge. The results of this project can provide effective technical approaches and implementation methods for automatic salient object detection in images and videos, which have important theoretical significance and application prospects.

现有的基于视觉特性的显著性目标检测模型在背景简单、目标单一的环境下，具有较好的检测效果。但是现实中，场景的复杂性、目标的多样性以及先验知识有限等因素使得图像和视频中显著性目标的检测仍是一个挑战性的问题。本项目将选择和构造合适的图像底层特征，充分挖掘图像背景及前景的先验知识，根据显著图像素点的分布特点，提出以信息熵为基础的显著图衡量算法及特征融合算法，建立静态图像的显著性检测模型。考虑到视频中显著性特征，不仅受运动信息的影响，而且受相邻帧相关性的影响。本项目将扩展静态图像的检测模型，提出基于相邻帧显著性特征的协同显著性检测算法，采用马尔科夫模型融合所得协同显著性特征与视频的运动信息，改善在无任何先验信息的情况下，视频中显著性目标的检测效果。该项研究可为图像及视频中显著性目标的自动检测提供有效的技术途径和实现方法，具有重要的理论意义和应用前景。

本项目围绕图像中显著性目标的自动检测问题，实现了基于视觉特性检测图像中显著性目标问题。基于图像边缘信息和特征点分布构造了图像背景模型；深度研究了显著性目标所处位置与周围颜色特征关系，实现了基于图像底层特征的显著性目标检测。研究了神经网络算法及马尔科夫算法的稳定性问题，为实现视频中目标检测与跟踪奠定了基础。.代表性工作包括：1）深度研究了颜色的对比度特征及分布特征，分析显著性目标所处位置与周围颜色特征关系，构建了颜色对比度特征计算模型。2）Harris检测图像的角点信息，构建图像背景模型，实现了基于背景先验的显著性目标检测方法。3）利用图像的四个角区域获取图像背景的先验信息，实现了基于背景先验的显著性目标检测方法。..本项目研究产生了一系列研究成果：发表SCI国际期刊论文4篇(JCR 2区以上SCI论文2篇)，国际会议论文7篇；申请国家发明专利2项，授权国家发明专利3项；协助培养博士研究生2名；项目负责人2017年入选陕西省首届普通高校“青年杰出人才计划”；2016年入选咸阳师范学院“青蓝人才计划”；2017年荣获陕西省第十三届自然科学优秀学术论文二等奖(排名第二)，2018年荣获第八届咸阳市自然科学优秀学术论文一等奖(排名第一) 。