

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、顯著性物體檢測,是一個從圖像中檢測出最能引起人視覺注意的物體區(qū)域的計算機(jī)視覺處理過程,它模擬的是人類視覺系統(tǒng)的信息處理環(huán)節(jié),為進(jìn)一步高層問題的研究奠定基礎(chǔ)。本文所研究的顯著性檢測屬于“自底向上”、純數(shù)據(jù)驅(qū)動、不帶有人主觀目的的檢測,重點研究了面向單幅圖像和群組圖像的顯著性檢測算法設(shè)計,主要工作與創(chuàng)新點包括以下四點:
1.基于邊界先驗與視覺注意的顯著性模型:該模型利用邊界先驗,通過建立圖結(jié)構(gòu)得到圖像中每一個超像素到邊界的測地線距
2、離,利用其來衡量顯著性大小。同時為了提高顯著性圖的質(zhì)量,提出基于最大均值偏差的視覺注意點圖。實驗測試和比對都證明了所提出方法的有效性。
2.基于多先驗與能量圖的顯著性模型:該模型分別從顯著性物體和背景出發(fā),結(jié)合各自先驗知識的優(yōu)勢來定義對應(yīng)的顯著性衡量方式。對于顯著性物體,融合了中心-周圍對比度、中心、布局等先驗來衡量圖像元素間的迥異性,凸顯顯著物體具有的性質(zhì);對于背景,再次利用邊界先驗,基于所定義的能量圖和8鄰域“縫”,動態(tài)優(yōu)
3、化找到每一個像素到邊界的最優(yōu)“縫”,以“縫”的成本來衡量顯著性大小。實驗表明,該模型能夠取得可靠、高質(zhì)量的顯著性檢測圖。
3.群組圖像的協(xié)同顯著性模型:該模型最大的貢獻(xiàn)就是使得(單幅圖像的)顯著性模型在協(xié)同顯著性的任務(wù)場景下發(fā)揮其潛在的指導(dǎo)作用,利用任意一種單幅顯著性模型得到的檢測結(jié)果,在一個排序框架下,通過一個兩階段的查詢關(guān)鍵詞選擇,指導(dǎo)協(xié)同顯著性檢測的進(jìn)行,最后融合輸出得到最終的協(xié)同顯著性圖。實驗結(jié)果表明,該模型成功地突出
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于圖像分割的顯著性物體檢測方法
- 基于視覺顯著性的物體檢測方法研究.pdf
- 基于圖像分割的顯著性物體檢測方法.pdf
- 基于先驗融合的視覺顯著性檢測.pdf
- 基于眼動先驗的顯著性檢測.pdf
- 基于背景分布空間構(gòu)建的圖像顯著性物體檢測.pdf
- 基于先驗知識融合的顯著性目標(biāo)檢測.pdf
- 視覺顯著性物體檢測方法及應(yīng)用研究.pdf
- 基于位置先驗與超像素的顯著性檢測.pdf
- 基于多特征的視覺顯著性檢測.pdf
- 先驗引導(dǎo)下多視角低秩模型的顯著性檢測方法.pdf
- 基于多特征的圖像顯著性檢測.pdf
- 基于多聚類和多示例的協(xié)同顯著性目標(biāo)檢測.pdf
- 基于底層特征與高層先驗的顯著性區(qū)域檢測算法.pdf
- 基于視覺顯著性的平躺人體檢測方法研究.pdf
- 基于多示例學(xué)習(xí)的顯著性目標(biāo)檢測.pdf
- 基于顯著性檢測的圖像壓縮和視頻檢測.pdf
- 基于多尺度機(jī)器學(xué)習(xí)和稀疏表示的顯著性檢測.pdf
- 視覺顯著性區(qū)域計算及顯著性物體分割方法研究.pdf
- 多幅圖像協(xié)同顯著性檢測.pdf
評論
0/150
提交評論