基于视觉显著性的场景目标识别

场景目标识别是场景理解的重要内容之一,提出一种新颖的基于视觉显著性的场景目标识别方法.该方法受生物视觉认知机理的启发,利用视觉显著机制来凸显场景中的感兴趣区域.首先利用GBVS模型对图像数据进行高效筛选,获得特定感兴趣的显著性区域.然后基于图分割理论(Graph Cuts Theory)的GrabCut算法被用于提取图像中的显著性目标.最后运用SURF特征描述目标对象,通过SURF特征的学习产生目标物体的BoVW视觉词包,运用视觉词包的SVM分类匹配实现目标对象的图像特征与语义描述之间的知识映射.麻省理工学院LabelMe图像库的实验测试结果表明所述方法具有较高的识别率.