毕业设计-自然场景下显著目标的检测

记录一下毕业设计的过程

 

2017-03-13

从开始学习到现在已经接近两周了，对于这个显著性检测已经有了一定的了解，同时明天也会做开题答辩

对于刚入门的人来说，推荐知网上的一篇博士论文-----《图像显著性区域检测方法及应用研究_魏昱》了解当前这个方向的发展情况，以及这个我们所需要做的工作

简答来说，就是提取一个图像中最显著的部分：

 

之后可以看这个方向最经典的一篇paper-----《Itti, Koch, Niebur - A model of saliency-based visual attention for rapid scene analysis》, 这是98年很古老的文章，但确实是很经典，也是一个基于生物机制的方法，可以直接阅读英文文献，同时推荐一个博主作为参考

在对显著性检测有了一定的了解后，就可以实际跑跑代码试一试了，这个网站里有Itti的代码，以及图像分割，是MATLAB的，尽管标题是gbvs，但是里面也包含的ITTI的，试着阅读一下源码，了解详细的算法流程，因为很古老，所以实际的检测和分割效果并不好，只是作为一个入门，这是我自己当时跑的效果：

以及利用其提供的分割（阙值）分割得到的分割图：（这里并不是原始的结果，我有调整一些参数）

 

接下来可以去看一些当前最新的算法，不得不说，实际检测的效果比之前那个不知道高到哪里去了，代码可以在东南 cheng ming ming那找到，或者直接搜论文，有些论文是直接提供代码的，比如这个（FT算法），目前就大概研究到这里。

开题答辩完，打算去阅读更多文献，了解一下详细的数学原理，还有代码

 

 

 

2017-04-28

中期答辩过了，基本都做完了，先整理一下上次到现在做的一些内容

关于第四点：在他的那个网站（直接百度chengmingming就好）上提供了国内外大部分的显著性检测代码，就不用一个一个找了，里面有matlab的和C++的，但重要的算法例如，FT，GC都需要用C++，因此，VS是必须的，还要搭配opencv，我使用的环境是vs2013+opencv2.4.9

之前没用过VS，配环境，搞lib库都花了好久的时间，最后才跑起来，说一下我在其中遇到的一些问题：

1.opencv环境设置好，网上教程很多，我就不说了

2.头文件的包含目录，也要设置一下，就是项目根目录

3.还有里面会加载Cmlib和Cmlibd库，如果没有，就需要编译那个Cmlib项目，找到debug下的Cmlib.lib，复制一个重命名为Cmlibd.lib，然后放到根目录下（这两个一起），注意把根目录和debug目录在库目录里设置一下，还有要加载这两个lib

4.需要建立saliency和Imgs目录，具体看main函数里面的要求就好了

5.直接修改Cmlib里的代码貌似没啥用，之前修改后编译，然后替换lib，貌似也没啥用，目前还没弄懂

6.里面分割用的是graphcuts算法，meanshift也提供了，但我也不会调用，于是自己写了一个，过程就是先用meanshift聚类，然后分水岭算法标记区域，opencv有提供样例

matlab的很简单，直接跑就行了，很简单

 

最后做了一个MFC见面，把上面的东西综合起来了：