贝叶斯框架下基于遗传算法的显著性检测

摘要

本文提出了一种贝叶斯框架下基于遗传算法的显著性目标检测模型,利用基于遗传算法的分类模型和基于中心原则的先验模型来计算显著性.首先,通过颜色差异找到一些基于全局的兴趣点,再利用这些兴趣点构建一个大致的显著区域凸包.其次,应用遗传算法的动态迭代机制,将凸包内的区域严格地分为两类,找到其中更为显著的一类作为初步先验模型.接着,将中心先验模型与初步先验模型融合为贝叶斯框架下的先验图,这样不仅可以提高了凸包内部前景的显著值,同时也能抑制背景区域.然后,通过整个凸包区域得到似然概率.最后,在贝叶斯框架下利用先验概率和似然概率计算得到最终的显著图.本文在六个公开的显著性检测数据库上对提出的算法进行评测,大量实验证明了本文算法的有效性.