2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩58頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著數(shù)碼照相機、計算機、平板、智能手機等設備的全面普及,在我們的日常生活和工作中常常與大量的多媒體影像、圖像打交道,時常需要對其進行摳圖處理,人們對于摳圖方式的簡便和效果的要求也越來越高。本文就交互式摳圖算法進行了深入研究,在保證摳圖質量的同時改進其交互方式,減少了摳圖過程中用戶交互的工作量。首先對國內外較為流行的幾種比較經典的交互式摳圖算法進行了研究,重點研究了Lazy Snapping算法和Grab Cut算法,然后針對這兩個算法的

2、一些不足進行了改進,提出了局部優(yōu)化的Lazy Snapping算法和基于RC顯著性的Grab Cut算法。最后通過實驗證明了本文改進后的算法較原算法相比簡化了交互方式并改善了前景提取效果。本文的主要貢獻和內容如下:
  1、提出了局部優(yōu)化的Lazy Snapping算法。該算法在原Lazy Snapping算法的基礎上進行了兩個方面的改進:(1)針對原算法的分水嶺預分割導致的過度分割問題,該算法采用了簡單線性迭代聚類(SLIC)超

3、像素算法進行圖像的預分割處理。(2)用戶在通過標注前景和背景以得到前景提取結果后,對得到的前景分割結果的邊界區(qū)域進行了局部優(yōu)化,先自動檢測出可疑區(qū)域,然后對可疑區(qū)域進行了優(yōu)化。
  2、提出了基于RC顯著性的Grab Cut算法。該算法將RC顯著性算法與Grab Cut算法相結合,自動地獲取包含前景區(qū)域的矩形框,如果得到的矩形框用戶不是很理想,可通過改變矩形框的大小和位置來得到滿意的結果,然后在對混合高斯模型進行參數(shù)初始化并迭代得

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論