基于伪背景区域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）

目的及意义：在现代社会的各种信息中，图片信息占据了很大的一部分，由于人工处理效率低下，依靠人工进行图像处理并不现实，同时人们对图像处理的需求不断提高，人们需要计算机能够独立自主的完成图像的识别检测任务。人类可以快速的确定图像中突出的一些区域，并从这些区域中提取到高层次的信息，图像识别的任务就是使计算机在处理图像时模仿人类的视觉机制，取得快速且准确的高层次信息。

视觉注意机制一直是神经科学、心理学、神经系统和计算机视觉领域的一个基本问题。它最初被itti和niebur在1998年定义为一项在图像上确定视觉注意分配的任务。现在已经被扩展用于包含显著目标的区域检测^[1][2]即显著目标检测或显著区域检测。显著目标检测主要应用于目标检测和识别^[3][4]，图像压缩^[5]，图像剪辑^[6]，照片拼接^[7][8]，主色彩检测^[9]等。

研究现状：对人类视觉系统的研究表明，视觉注意机制与场景的独特性、稀有性和惊奇性有关，主要通过颜色、纹理、形状等原始特征决定。基于gelad在1980年提出的特征整合理论，itti和niebur于1998年提出了一个计算框架：分别计算不同特征的显著特征图，然后将它们结合在一起形成主特征图。各种启发式算法也被开发出来，然而这些人为制定的集成规则脆弱且泛用性很差。

2. 研究的基本内容与方案

基本内容：

伪背景区域为图片临近边界15个像素组成的区域，图片的其他部分和该区域的相似度越高，就越有可能是背景的一部分。在模型训练中，对训练集进行图像分割，对分割出的伪背景区域进行特征提取，然后对训练图像集和特征进行有放回的随机抽取，每次抽取组成一个测试样本特征，用此次特征进行一个决策树的训练。多次重复该过程后，将每次生成的决策树集合生成随机森林回归模型。

目标：

3. 研究计划与安排

在综合考虑本次毕业设计任务之后，设计的进度安排如下：

第1周—第3周 搜集资料，进行设计调研，撰写开题报告；

第4周—第5周 论文开题，进行外文文献翻译；

4. 参考文献（12篇以上）

[1] y.-f. ma and h.-j. zhang, “contrast-based image attention analysisby using fuzzy growing,” in acm multimedia, 2003.

[2] t. liu, j. sun, n.-n. zheng, x. tang, and h.-y. shum, “learning todetect a salient object,” cvpr, vol. 0, pp. 1–8, 2007.

[3] c. kanan and g. w. cottrell, “robust classification of objects, faces,and flowers using natural image statistics,” in cvpr,2010, pp. 2472–2479.