基于顯著特征描述的復(fù)雜場(chǎng)景中目標(biāo)檢測(cè)方法.pdf_第1頁
已閱讀1頁,還剩54頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著信息技術(shù)的迅猛發(fā)展,圖像作為信息載體的作用日益增大,其包含的信息量巨大,但同時(shí)也給人工處理帶來困難。在各種圖像分析任務(wù)中,人們感興趣的內(nèi)容通常只占圖像的很小一部分,因此,通過引入人類視覺的選擇性注意機(jī)制,不僅可以將有限的計(jì)算資源集中到圖像中的感興趣區(qū)域(ROI),以此來提高圖像處理的效率,而且能有效抑制與任務(wù)無關(guān)的信息,保證圖像分析系統(tǒng)的處理效果。
   如何選擇和提取一組能夠準(zhǔn)確衡量候選區(qū)域視覺顯著性的圖像特征是整個(gè)感興趣

2、區(qū)域檢測(cè)過程中的核心環(huán)節(jié)。在分析人類視覺注意機(jī)制理論的基礎(chǔ)上,將注意機(jī)制和顯著性特征引入場(chǎng)景分析,研究了四種顯著性特征的描述和提取方法,其中包括基于候選區(qū)域內(nèi)部屬性的特征,如局部對(duì)稱性特征、紋理特征和角點(diǎn)特征,提出了一種改進(jìn)的基于局部對(duì)稱性的目標(biāo)檢測(cè)算法和一種基于角點(diǎn)投票的目標(biāo)檢測(cè)算法,分析了利用單特征進(jìn)行目標(biāo)檢測(cè)的局限性。論文還研究了一種典型的基于互顯著特征的通用視覺計(jì)算模型,該模型利用中央-周邊(Center-Surround)算子

3、提取基于候選區(qū)域與外界屬性差異的顯著性特征,通過實(shí)驗(yàn)分析了該模型的不足。針對(duì)單特征的局限性和多特征并行處理的不足,結(jié)合人類視覺系統(tǒng)中串行化信息加工機(jī)制,論文最后建立了一種基于多級(jí)顯著特征的目標(biāo)描述模型,并提出了一種基于此模型的目標(biāo)檢測(cè)算法。該算法引入注意機(jī)制,結(jié)合了自底向上和自頂向下的視覺注意因素,提取目標(biāo)在多尺度上的多個(gè)簡(jiǎn)單顯著性特征,依次單獨(dú)地使用其中一個(gè)來檢測(cè)目標(biāo),相應(yīng)地得到檢測(cè)概率和虛警概率,根據(jù)檢測(cè)概率盡可能大而虛警概率盡可能

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(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)頁內(nèi)容里面會(huì)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(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。

評(píng)論

0/150

提交評(píng)論