版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、視覺(jué)顯著性是視覺(jué)中非常重要的一部分,它通過(guò)過(guò)濾人們視野中大量信息中的冗余部分,從而減少對(duì)信息的處理。另外,由于人們感興趣的目標(biāo)總是有能夠區(qū)分它周圍的某些特殊的性質(zhì)。這種機(jī)制也能幫助選擇一個(gè)場(chǎng)景中人們最感興趣(顯著的)的目標(biāo)。近年來(lái),學(xué)者們對(duì)顯著性目標(biāo)檢測(cè)技術(shù)進(jìn)行了廣泛的研究并提出了許多新的方法。顯著性檢測(cè)技術(shù)的快速發(fā)展使它廣泛用于分割,分類,基于內(nèi)容的檢索等圖像領(lǐng)域中。顯著目標(biāo)通常是獨(dú)特的,稀缺的,奇異的和難以預(yù)測(cè)的。針對(duì)它的這些特性,
2、許多顯著性檢測(cè)模型(像純計(jì)算模型,基于生物學(xué)的模型,或者是對(duì)兩者結(jié)合的模型)已經(jīng)被提出。由于顯著目標(biāo)在自然場(chǎng)景中是趨于稀疏的,稀疏表示方法已經(jīng)被用到顯著性檢測(cè)當(dāng)中,但是已有的基于稀疏表示的檢測(cè)方法往往更趨向于突出顯著目標(biāo)的邊界而不是顯著目標(biāo)本身,尤其當(dāng)圖像中顯著目標(biāo)比較大時(shí),這種情況更加明顯。
本文提出一種新的顯著性檢測(cè)方法。給定一幅圖像,首先把它分割成超像素,并用簡(jiǎn)化的譜分割方法把這些超像素再聚合成幾個(gè)尺度更大的分割。然后結(jié)
3、合稀疏編碼理論采用一種中心-剩余方法(即以每個(gè)超像素為中心,不包含該超像素的剩余分割中所有超像素為字典)來(lái)重構(gòu)超像素。這個(gè)過(guò)程具體描述為:對(duì)給定的一個(gè)分割,它所包含的每一個(gè)超像素被表示為在其他分割中所有超像素的線性加權(quán)和,然后平均每個(gè)分割的重構(gòu)誤差值作為超像素的初始的顯著值。這種分級(jí)分割的策略有效解決了之前稀疏表示的方法不能很好突出目標(biāo)內(nèi)部的問(wèn)題。最后,區(qū)別于傳統(tǒng)的分別計(jì)算每一種特征的顯著性圖,然后將它們簡(jiǎn)單聯(lián)合的多特征顯著性檢測(cè)方法。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稠密和稀疏重構(gòu)的圖像顯著性檢測(cè)算法.pdf
- 基于多層字典稀疏重構(gòu)的圖像顯著性檢測(cè).pdf
- 基于多特征的視覺(jué)顯著性檢測(cè).pdf
- 基于多特征的圖像顯著性檢測(cè).pdf
- 基于多尺度機(jī)器學(xué)習(xí)和稀疏表示的顯著性檢測(cè).pdf
- 基于矩陣稀疏分解的圖像顯著性檢測(cè).pdf
- 基于多特征融合的視覺(jué)顯著性檢測(cè)算法研究.pdf
- 基于多聚類和多示例的協(xié)同顯著性目標(biāo)檢測(cè).pdf
- 基于標(biāo)簽傳播的顯著性目標(biāo)檢測(cè)算法研究.pdf
- 基于多示例學(xué)習(xí)的顯著性目標(biāo)檢測(cè).pdf
- 基于邏輯標(biāo)簽傳播與自適應(yīng)融合的顯著性檢測(cè).pdf
- 基于特征融合的復(fù)雜紋理圖像顯著性檢測(cè).pdf
- 基于顯著性檢測(cè)的圖像壓縮和視頻檢測(cè).pdf
- 基于顯著性分析和多特征融合的圖像檢索算法研究.pdf
- 基于顯著性特征的鋼坯表面缺陷檢測(cè)技術(shù).pdf
- 基于多先驗(yàn)和圖結(jié)構(gòu)的顯著性物體檢測(cè).pdf
- 基于類和區(qū)域特征的協(xié)同顯著性檢測(cè)算法.pdf
- 基于生成模型與判別模型的聯(lián)合顯著性檢測(cè).pdf
- 基于流形排序和結(jié)合前景背景特征的圖像顯著性檢測(cè).pdf
- 基于多層特征融合的視覺(jué)顯著性檢測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論