基于顯著性的圖像分割技術(shù)研究.pdf

1、在當(dāng)今現(xiàn)實(shí)生活中,圖像已經(jīng)成為人類獲取外界信息的主要方式之一,但是圖像卻存在著信息量過(guò)于龐大的問(wèn)題,因此對(duì)圖像進(jìn)行分割,提取出對(duì)人們有用的信息顯得尤為必要。Chan-Vese模型是一種經(jīng)典的交互式圖像分割算法,但是由于對(duì)于不同的人工交互信息,它所得到的分割結(jié)果差異甚大。本文提出將圖像顯著性檢測(cè)和圖像分割結(jié)合進(jìn)行研究,使得Chan-Vese模型的演化過(guò)程從顯著性區(qū)域開(kāi)始,提高了圖像分割的準(zhǔn)確性和效率。本文的主要工作如下:
　　1.首

2、先簡(jiǎn)要介紹顯著區(qū)域檢測(cè)所涉及的基本概念、生物心理學(xué)背景以及模型用到的基本假設(shè)和方法,并介紹常用的顯著性檢測(cè)方法,及其性能分析。
　　2.其次,本文對(duì)Xiaodi Hou等提出的一種剩余譜方法(SR算法)的性能和優(yōu)缺點(diǎn)進(jìn)行全面的分析。然后引入HSV色彩空間模型,與剩余譜方法相結(jié)合,提出了改進(jìn)的顯著性檢測(cè)方法。
　　3.最后,將圖像顯著性檢測(cè)和 CV圖像分割方法進(jìn)行結(jié)合,針對(duì)傳統(tǒng)的 CV模型過(guò)分依賴初始輪廓的缺點(diǎn)進(jìn)行了改進(jìn),彌補(bǔ)