融合目标感知与对比度的图像和视频显著性检测技术研究

In order to resolve fuzzy boundaries, incomplete contents and inaccuracy in image saliency detection, and inconsistence of spatio-temporal in videos, we research the saliency detection combining target perception with contrast of images and videos. Firstly, on the basis of known contrast and target boundary, we research the image saliency detection combining regional color contrast with saliency boundary, to overcome the shortcoming of fuzzy boundaries and incomplete contents. Furthermore, we propose a novelty saliency detection based on target perception in complicated background, which is able to obtain an accurance saliency map with clear boundary and complete content. Especially for inconsistence of spatio-temporal videos, we gain a saliency detection algorithm based on dynamic contrast of videos, leading to higher accurancy and continutity of spatio-temporal results. This research play an important role in resizing, compression, target recognition and segmentation. It is advantageous to promote the development of these technologies, and which is useful in many related applications.

本项目针对显著性检测时易产生边界模糊、内容提取不完整、准确性不足和时空不一致等问题，研究融合目标感知与对比度的图像和视频显著性检测技术。首先，在对比度和目标边界的基础上，研究融合区域颜色对比度和显著边界的图像显著性检测算法，克服图像显著性检测结果中边界模糊和内容提取不完整的缺点；其次，在前景目标获取的基础上，研究目标感知的图像显著性检测模型，使得在复杂背景下仍能够得到准确、边界清晰和内容完整的图像显著度图；最后，在视频运动等动态特征的基础上，研究基于动态对比度的视频显著性检测算法，使得视频显著性检测结果准确且符合时空一致性的要求。本项目对于图像和视频显著性检测技术的研究为后续图像和视频处理如缩放、压缩、目标识别、分割等打下坚实的理论基础，促进相关技术的快速发展，具有较强的研究和应用价值。

显著性检测技术是目前图像视频编辑处理的一个研究热点，为图像视频缩放、压缩、目标识别等打下坚实的理论和应用基础，能够促进相关技术的快速发展，具有较强的研究和应用价值。本项目主要围绕显著性检测这一核心内容，结合目前热点领域人工智能、图像视频大数据智能处理技术的发展趋势进行研究，取得了超预期的研究成果。. 主要围绕显著性检测技术进行研究，提出了融合对比度与背景先验的显著目标检测算法、基于对比度优化流形排序的显著目标检测算法、目标感知的显著性检测、基于多尺度全局线索的显著性检测算法、一种新颖的凸包先验的显著性检测算法、基于稀疏表示和标签传播的显著性检测算法、改进凸包的贝叶斯模型显著性检测算法、基于凸包改进的流行排序显著性检测算法、基于自适应遗传算法的显著性检测、多路径特征融合网络的显著性检测、边缘优化和全局语境的深度网络进行显著性检测、基于背景种子联合贝叶斯的显著性检测、基于前背景种子的显著性检测、改进流行排序的显著性检测、集成方法检测显著性目标、一种时空一致性的视频显著性检测方法等一系列的创新研究算法。按项目计划书完成外，结合当前的深度学习等技术对显著性检测进行了拓展研究，并将显著性检测技术进行了应用研究，研究了图像分类算法、人脸检测算法等相关内容。. 本项目团队成员完成并发表了26篇学术论文，其中期刊论文12篇（包括在本领域顶级期刊IEEE Transactions on Multimedia和Information Sciences上各发表了一篇关于显著性检测的高水平论文）、会议论文14篇（包括在本领域顶级会议 CCF B 类会议 ICMR、ICME、ICASSP上发表的学术论文共 5 篇），授权发明专利1项，申请发明专利5项，项目负责人林晓协助培养研究生8名。负责人也成功加入中国图象图形学会计算机动画与数字娱乐专委会和 GDC 专委会。