基于通用区域属性描述的显著性目标检测开题报告

1. 研究目的与意义（文献综述）

1目的及意义：

显著性检测是近年来数字图像处理的研究热点,它在目标轮廓检测[2]、自适应压缩、人脸识别、图像检索[5]等实际应用方面都能起到重要的作用。随着计算模型的发展,越来越多的显著性检测算法被提出,检测的速度、精确度、鲁棒性等指标都有了较大的提升。目前,图像显著性检测技术虽然取得了较大的发展,但是在实际应用过程中,复杂的背景纹理、目标区域较低的颜色对比度和图像亮度的不均匀等都会对显著性检测产生较大影响。且现在的一部分算法是以单一的区域颜色对比度进行显著性检测，忽视了图像纹理和几何特征对其的重要影响。本文着重于将颜色、纹理和几何特征等多特征分别计算显著性，最后多级特征融合后生成的显著图拥有良好的精度和抗噪性。

2国内外的研究现状：

2. 研究的基本内容与方案

目标：通过对通用区域属性的分析来建立区域描述符，实现对显著目标的检测

基本内容：本文对通用区域的颜色、纹理和几何特征三个方面进行特征检测和分析：首先对通用区域进行灰度处理，去除颜色和亮度对纹理特征提取的影响然后使用lbp提取纹理特征，再经lm滤波器处理得到显著特征；其次是分割图像进行区域几何分布的特征加权，对输入图像建立颜色直方图提取颜色显著特征，将区域多特征进行融合生成一个线性特征向量，最后利用随机森林回归器生成显著图像。

其技术路线如下：

3. 研究计划与安排

第1周—第3周搜集资料，撰写开题报告；

第4周—第5周论文开题；

第6周—第12周撰写论文初稿；

4. 参考文献（12篇以上）

[1].jingdong wang, huaizu jiang, zejianyuan, ming-ming cheng,xiaowei hu, nanning zheng. salient object detection: adiscriminative regional featureintegration approach.inijcv, 123(2):251–268, 2017.

[2].h.jiang, y. wu, and z. yuan. probabilistic salient object contour detection basedon superpixels. in icip, 2013.

[3].t. liu, z. yuan, j. sun,j. wang, n. zheng, x. tang, and h.-y. shum. learning to detect a salientobject. in ieee tpami, 2011