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、視覺注意指的是人在面對復(fù)雜場景時,將注意力迅速集中在少數(shù)感興趣的區(qū)域,然后用有限的資源對其進行優(yōu)先處理的一種能力。視覺注意模型的研究,不僅有助于了解人類視覺信息處理的工作原理,而且對于解決數(shù)據(jù)篩選問題和提高計算機的信息處理效率有著重要的意義,在圖像分析與圖像理解領(lǐng)域、目標檢測、信息檢索、機器人視覺等領(lǐng)域也有著重要的應(yīng)用價值。目前自底向上的視覺注意模型主要有空間域模型和頻率域模型兩大類??臻g域的模型具有生物學(xué)合理性,但其計算復(fù)雜度高。頻率
2、域模型運算速度較快,但缺乏生物學(xué)依據(jù)。我們在研究現(xiàn)有模型的基礎(chǔ)上提出基于結(jié)構(gòu)復(fù)雜度特征融合的視覺注意模型,并用哈爾特征代替計算量大的高斯差特征進行了優(yōu)化,大大提升了模型的運行速度。進一步地,我們將提出的視覺注意模型應(yīng)用于圖像目標的分割。論文的主要貢獻包括以下幾個方面:
1.提出了一個基于結(jié)構(gòu)復(fù)雜度特征融合的視覺注意模型。為了更好地近似人的視覺,首先將圖像從物理顏色空間RGB轉(zhuǎn)換到感知顏色空間LAB。然后對于每一個顏色通道,采用
3、高斯差濾波器提取出圖像的多尺度特征。最后,將所有尺度上的特征圖根據(jù)各自的結(jié)構(gòu)復(fù)雜度融合為最終的顯著圖。實驗表明,該模型總體上優(yōu)于當前的六種典型算法,并且與心理學(xué)實驗結(jié)果有較好的一致性。
2.針對所提出模型計算復(fù)雜度高的問題,提出了一種基于哈爾特征及結(jié)構(gòu)復(fù)雜度特征融合的視覺注意模型快速算法。首先用積分圖快速計算出圖像的多尺度哈爾特征,然后將所有尺度上的特征圖根據(jù)各自的結(jié)構(gòu)復(fù)雜度融合為最終的顯著圖。實驗表明,在幾乎不影響模型性能的
4、前提下,哈爾特征能大大提升模型的運行速度。
3.提出將視覺注意模型與圖像分割算法Graph Cut相結(jié)合,使之能自動分割出圖中顯著物體的技術(shù)。首先用視覺注意模型獲取輸入圖像的顯著圖并進行二值化處理,得到顯著目標的種子區(qū)域。然后用Graph Cut算法進行多次迭代分割,對目標種子區(qū)域進行增長,從而將圖中的顯著物體完整分割出來。實驗表明,與其它三種現(xiàn)有典型模型相比,我們提出的模型能更有效地提供目標的種子區(qū)域,從而獲得較好的分割效果
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(zé)。
- 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(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
- 融合深度信息的視覺注意模型研究及其應(yīng)用.pdf
- 基于顏色特征的圖像復(fù)雜度研究.pdf
- 復(fù)雜目標視覺注意模型研究.pdf
- 基于層次特征的視覺注意模型研究.pdf
- 仿生軟件體系結(jié)構(gòu)及其復(fù)雜度研究.pdf
- 低復(fù)雜度Spinal碼及其應(yīng)用研究.pdf
- 基于復(fù)雜度研究腦電中的癲癇發(fā)作特征.pdf
- 視覺注意計算模型的研究及其應(yīng)用.pdf
- 復(fù)雜度、歸一化方法及其應(yīng)用.pdf
- 基于運動特征的視覺注意計算模型研究.pdf
- 企業(yè)管理結(jié)構(gòu)復(fù)雜度測量優(yōu)化模型構(gòu)建.pdf
- 企業(yè)管理結(jié)構(gòu)復(fù)雜度測量優(yōu)化模型構(gòu)建
- 基于復(fù)雜度特征的通信輻射源個體識別.pdf
- 非均衡數(shù)據(jù)幾何復(fù)雜度及其應(yīng)用研究
- 非均衡數(shù)據(jù)幾何復(fù)雜度及其應(yīng)用研究.pdf
- 基于增量記憶視覺注意模型的復(fù)雜目標識別研究.pdf
- 基于KCF和視覺注意的多特征動態(tài)融合視覺目標跟蹤研究.pdf
- 流密碼及其復(fù)雜度分析.pdf
- 視覺注意機制的計算模型及其應(yīng)用研究.pdf
- 基于BOW和視覺注意模型的圖像分類及其應(yīng)用研究.pdf
評論
0/150
提交評論