

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著應用需求的增長,圖像顯著性特征提取已成為一個新興的研究課題,吸引了大量研究人員的關注。圖像顯著性特征提取是探索人類視覺關注特性、模擬人眼視覺關注過程、分析圖像信息和特征、提取圖像中有意義部分的綜合過程。提取的顯著區(qū)域對各種基于圖像分析和理解的應用,如圖像Hash,檢索和認證等都有著重要意義。
本文從圖像顯著性檢測的發(fā)展、研究意義、視覺關注原理和研究現(xiàn)狀方面展開討論,對兩類人眼視覺特性的顯著性提取進行研究,取得了以下主要
2、成果:
1.基于低層視覺的全局顏色對比顯著提取。根據(jù)人眼對圖像關注的全局特性,提出基于HSV色彩空間的顏色對比顯著提取。本方法在改進顏色分類的基礎上,關注圖像中顏色特征的稀有性,并結合不同顏色類與背景的對比程度,提取全局顏色顯著區(qū)域。該方法能很好地提取人眼觀察圖像的全局關注區(qū)域,結合局部對比顯著提取結果,能全面反映人眼的低層視覺關注。
2.基于高層視覺的清晰區(qū)域顯著提取。分析了照片聚焦區(qū)域是攝影者高層視覺關注
3、的體現(xiàn),由此將數(shù)字圖像中的清晰區(qū)域作為顯著提取的依據(jù)。首先進行邊緣提取來檢測圖像中的細節(jié)分布,并結合顏色分類圖,得到局部清晰區(qū)域顯著圖。為改善清晰區(qū)域判別結果,引入圖像質量評價參數(shù)和SVM模型訓練,改進了僅依靠細節(jié)檢測方法的不足。
由于人眼的兩種視覺關注是同時進行并作用于大腦,所以將以上兩類顯著提取相結合,保持各自優(yōu)勢,互相補充不足之處,得到完整體現(xiàn)兩種視覺模型的圖像顯著性提取結果。該方法能夠較全面地反映人眼的關注特性,找
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內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)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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
- 圖像的顯著性特征提取.pdf
- 基于顯著性圖像局部模糊測量與分割.pdf
- 基于區(qū)域特征與統(tǒng)計特性的圖像顯著性檢測方法研究.pdf
- 結合顯著性目標檢測與圖像分割的服飾提取算法研究及實現(xiàn).pdf
- 圖像顯著性區(qū)域提取技術研究.pdf
- 結合視覺顯著性的圖像質量評價方法研究.pdf
- 基于局部特征與視覺顯著性的圖像目標識別研究.pdf
- 圖像顯著性檢測研究.pdf
- 基于局部線性回歸和全局排序的圖像顯著性檢測.pdf
- 圖像頻域顯著性檢測.pdf
- 基于顯著性的移動圖像檢索.pdf
- 基于顯著性的圖像分割研究.pdf
- 基于自然場景統(tǒng)計特性的視覺顯著性模型研究.pdf
- 顯著性區(qū)域指導的局部特征算法.pdf
- 目標輪廓信息結合特征對比的顯著性檢測算法研究.pdf
- 基于流形排序和結合前景背景特征的圖像顯著性檢測.pdf
- 結合顯著性分析和半監(jiān)督學習的圖像檢索算法.pdf
- 雙側顯著性檢驗與單側顯著性檢驗
- 圖像顯著性算法和評價研究
- 圖像顯著性檢測研究及其應用.pdf
評論
0/150
提交評論