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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著智能硬件性能的提升,圖像處理已成功應(yīng)用于諸多工程領(lǐng)域,其實(shí)時性和準(zhǔn)確性越來越得到注重。圖像顯著性提取和人類視覺系統(tǒng)的選擇機(jī)制類似,使計(jì)算機(jī)注重前景而忽略背景,以提升算法效率及準(zhǔn)確率?;谏鲜鰞?yōu)點(diǎn),該技術(shù)作為圖像預(yù)處理已經(jīng)應(yīng)用于如圖像檢索,圖像分類,圖像分割等領(lǐng)域。
首先,顯著性檢測的根本目的在于估計(jì)前景目標(biāo)位置,并提取其有效的目標(biāo)信息。因此,該文將顯著性轉(zhuǎn)化為一種概率分布問題,即目標(biāo)像素具有更高的顯著可能性。并以貝葉斯顯著
2、模型為框架,將全局顏色分布與活動輪廓相結(jié)合,得到一種以顯著概率為依據(jù)的檢測模型。與傳統(tǒng)的凸包模型相比,活動輪廓能夠?yàn)樨惾~斯模型提供一個非凸的目標(biāo)輪廓。
其次,雖然貝葉斯推斷能夠較好地估計(jì)出圖像的顯著分布,但是概率性估計(jì)通常包含了較大的不確定性。為了更準(zhǔn)確地得到目標(biāo),該文進(jìn)一步提出了一種基于邊緣超像素對判定的圖像顯著邊緣分離算法,并通過顯著邊緣和內(nèi)生長方法衍生出最終的顯著圖。相比于概率估計(jì),邊緣信息作為圖像的固有特征適用范圍更廣
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)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
- 基于顯著性的運(yùn)動目標(biāo)檢測算法研究.pdf
- 視覺協(xié)同顯著性目標(biāo)檢測算法研究.pdf
- 視覺顯著性港口艦船目標(biāo)檢測算法研究.pdf
- 基于視覺顯著性的車輛目標(biāo)檢測算法研究.pdf
- 基于標(biāo)簽傳播的顯著性目標(biāo)檢測算法研究.pdf
- 基于視覺顯著性的紅外小目標(biāo)檢測算法研究.pdf
- 結(jié)合梯度和顯著特征的目標(biāo)檢測算法的研究.pdf
- 圖像顯著性區(qū)域檢測算法研究.pdf
- 視覺顯著性直線的檢測算法研究.pdf
- 基于區(qū)域?qū)Ρ榷鹊囊曈X顯著性檢測算法研究.pdf
- 基于構(gòu)圖信息的圖像摘要顯著性檢測算法.pdf
- 圖像顯著性區(qū)域檢測算法研究(1)
- 基于多特征融合的視覺顯著性檢測算法研究.pdf
- 基于HITS的圖像顯著性檢測算法.pdf
- 基于深度強(qiáng)化的顯著性檢測算法.pdf
- 基于類和區(qū)域特征的協(xié)同顯著性檢測算法.pdf
- SAR圖像顯著性區(qū)域檢測算法.pdf
- 基于Voronoi極點(diǎn)的點(diǎn)云特征顯著性檢測算法研究.pdf
- 基于底層特征與高層先驗(yàn)的顯著性區(qū)域檢測算法.pdf
- 基于特征點(diǎn)最小凸包與對比度的顯著性區(qū)域檢測算法研究.pdf
評論
0/150
提交評論