![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/17/d8b3ad0c-8d0d-4df4-b280-8dfb17c24b71/d8b3ad0c-8d0d-4df4-b280-8dfb17c24b71pic.jpg)
![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](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/17/d8b3ad0c-8d0d-4df4-b280-8dfb17c24b71/d8b3ad0c-8d0d-4df4-b280-8dfb17c24b711.gif)
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀
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),請進行舉報或認領(lǐng)
文檔簡介
1、傳統(tǒng)的視覺注意模型能夠較好的提取出靜止圖像的感興趣區(qū)域,但是當這些方法應用到視頻圖像上時,只能獨立的處理每一幅圖像,而忽視了圖像之間的相互聯(lián)系,這就導致了視頻圖像運動信息的丟失,基于這個缺點,本文對傳統(tǒng)的視覺注意模型加以改進,添加運動特征,建立了能夠有效計算視頻圖像顯著圖的視覺注意模型,在基于視頻圖像組的感興趣區(qū)域提取方法中,對譜殘差算法和 PCT算法做了比較,最后采用PCT算法來計算圖像的顯著圖。于視頻圖像組的感興趣區(qū)域方法,同時計算
2、不同空間的顯著圖,這樣可以在不同的空間中利用運動信息,達到了運動信息不丟失的目的,并且對其顯著圖計算方法加以改進,使得提取出的感興趣區(qū)域結(jié)果更佳。該算法中,使用了譜殘差算法和PCT算法來計算圖像的顯著圖,而效果良好的顯著圖往往能讓我們更準確的提取出感興趣區(qū)域,因此我們通過仿真實驗來比較兩種算法的優(yōu)劣,找出其中較好的一種方法。
本研究基于視頻顯著圖模型的感興趣區(qū)域提取方法,采用譜殘差算法計算圖像的顯著圖,并在此原始算法的基礎上加
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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。
最新文檔
- 圖像感興趣區(qū)域提取方法研究.pdf
- 圖像感興趣區(qū)域提取技術(shù)研究.pdf
- 基于感興趣區(qū)域的圖像檢索方法.pdf
- 靜態(tài)圖象感興趣區(qū)域提取方法研究.pdf
- 醫(yī)學X光圖像感興趣區(qū)域提取.pdf
- 基于感興趣區(qū)域的圖像質(zhì)量評價方法研究.pdf
- 基于感興趣區(qū)域的圖像語義獲取方法研究.pdf
- 基于視覺注意的立體視頻感興趣區(qū)域提取.pdf
- 基于感興趣區(qū)域的視頻質(zhì)量研究.pdf
- 基于感興趣區(qū)域的圖像檢索.pdf
- 基于感興趣區(qū)域的圖像分類研究.pdf
- 基于顯著性檢測的感興趣區(qū)域編碼.pdf
- 側(cè)掃聲納圖像感興趣區(qū)域提取算法研究.pdf
- 彩色圖像感興趣區(qū)域自動提取技術(shù)研究.pdf
- 基于生物視覺注意機制的視頻圖像中感興趣目標提取方法研究.pdf
- 防火圖像感興趣區(qū)域自動提取算法的研究.pdf
- 基于感興趣區(qū)域的圖像情感語義研究.pdf
- 靜態(tài)圖像中感興趣區(qū)域檢測方法研究.pdf
- 感興趣區(qū)域圖像編碼研究.pdf
- 視頻快速感興趣區(qū)域提取算法研究及應用.pdf
評論
0/150
提交評論