【摘要】：隨著社交媒體、電子商務(wù)等的快速發(fā)展,圖像在信息交流中的作用越來(lái)越大,人們對(duì)圖像信息處理的需求越來(lái)越大。人們要求計(jì)算機(jī)能夠更加智能更加自主地實(shí)現(xiàn)對(duì)圖像信息的處理。圖像作為數(shù)據(jù)的一種存儲(chǔ)形式,其數(shù)據(jù)量大,而真正對(duì)任務(wù)有用的信息只存在于圖像的部分區(qū)域。人眼可以快速地自發(fā)地找到場(chǎng)景中令人感興趣的目標(biāo)或者區(qū)域,這樣的能力正可以協(xié)助計(jì)算機(jī)快速地尋找到能夠有效表示圖像的目標(biāo)或者區(qū)域。圖像顯著性檢測(cè)正是模擬人眼的這種能力而衍生出來(lái)的一個(gè)科研領(lǐng)域。圖像顯著性檢測(cè)借鑒了生物學(xué)領(lǐng)域分析人眼的一些理論成果,使用計(jì)算的方法從圖像中檢測(cè)令人感興趣的目標(biāo)或者區(qū)域。經(jīng)過(guò)十?dāng)?shù)年的發(fā)展,圖像顯著性檢測(cè)已經(jīng)獲得了巨大的發(fā)展,很多圖像顯著性檢測(cè)技術(shù)在一些數(shù)據(jù)集上表現(xiàn)出了很高的性能,但是當(dāng)前的圖像顯著性檢測(cè)技術(shù)依然無(wú)法應(yīng)對(duì)復(fù)雜場(chǎng)景以及多顯著目標(biāo)的情況。本文針對(duì)這些問(wèn)題提出了兩種方法:(1)基于目標(biāo)先驗(yàn)的顯著性檢測(cè),本文先使用目標(biāo)檢測(cè)的技術(shù)提取多類目標(biāo)的目標(biāo)窗口,基于每個(gè)目標(biāo)窗口的前景先驗(yàn)進(jìn)行顯著性檢測(cè),然后對(duì)所有顯著圖進(jìn)行評(píng)價(jià),基于評(píng)價(jià)將基于多類目標(biāo)先驗(yàn)的顯著圖進(jìn)行融合。(2)基于視點(diǎn)預(yù)測(cè)先驗(yàn)的顯著性檢測(cè),本文先使用視點(diǎn)預(yù)測(cè)的技術(shù)預(yù)測(cè)人眼關(guān)注區(qū)域,并分割前景先驗(yàn)區(qū)域,然后基于前景先驗(yàn)區(qū)域進(jìn)行顯著性檢測(cè)。本文在最后對(duì)顯著性檢測(cè)技術(shù)在目標(biāo)識(shí)別領(lǐng)域的應(yīng)用進(jìn)行了研究。研究發(fā)現(xiàn)當(dāng)前的顯著性應(yīng)用或是混合了前景和背景的信息,或是忽視了背景的信息。針對(duì)這一問(wèn)題,本文提出了一個(gè)基于顯著性的多層模糊表示的目標(biāo)識(shí)別的方法,將背景的信息和前景的信息使用多核學(xué)習(xí)的方法進(jìn)行融合,提升了目標(biāo)識(shí)別的精度。
[Abstract]:With the rapid development of social media and electronic commerce, images play more and more important role in information exchange, and people need more and more image information processing. Computers are required to process image information more intelligently and autonomously. As a storage form of data, image has a large amount of data, but the information that is useful to the task only exists in some areas of the image. The human eye can quickly and spontaneously find the interesting target or region in the scene. This ability can help the computer to quickly find the object or region that can effectively represent the image. Image salience detection is a scientific research field that simulates this ability of human eyes. Image salience detection draws lessons from some theoretical achievements of analyzing human eyes in the field of biology and uses computational methods to detect objects or regions of interest from images. After more than ten years of development, image salience detection has made great progress, and many image salience detection techniques have shown high performance in some data sets. However, the current image salience detection technology still can not deal with complex scenes and multiple salient targets. In order to solve these problems, two methods are proposed in this paper: (1) based on the priori salience detection of the target, this paper first uses the technology of target detection to extract the multi-class target window, and carries out the salience detection based on the foreground priori of each target window. Then all the salient maps are evaluated. Based on the evaluation, the salience map based on multi-class objective priori is fused. (2) based on the significance detection of the viewpoint prediction priori, this paper first uses the viewpoint prediction technology to predict the region of human eye concern. The foreground priori region is segmented and the significance is detected based on the foreground priori region. At the end of this paper, the application of salience detection in target recognition is studied. The study found that current salient applications either mix foreground and background information or ignore background information. In order to solve this problem, a method of target recognition based on salient multi-layer fuzzy representation is proposed in this paper. The background information and foreground information are fused by multi-core learning method to improve the accuracy of target recognition.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉勇志,劉丙杰;基于多傳感器模糊神經(jīng)網(wǎng)絡(luò)的水下目標(biāo)識(shí)別[J];微計(jì)算機(jī)信息;2003年07期

2 韓艷春;李智蘭;曾憲文;;目標(biāo)識(shí)別與分類方法[J];軍事通信技術(shù);2003年01期

3 楊建勛,史朝輝;基于模糊綜合函數(shù)的目標(biāo)識(shí)別融合算法研究[J];火控雷達(dá)技術(shù);2004年04期

4 李彥鵬,施福忠,黎湘,莊釗文;基于模糊綜合評(píng)判的目標(biāo)識(shí)別效果評(píng)估[J];計(jì)算機(jī)應(yīng)用研究;2005年03期

5 左崢嶸,張?zhí)煨?集成證據(jù)提高目標(biāo)識(shí)別性能的方法研究[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

6 李彥鵬,黎湘,莊釗文;一種應(yīng)用模糊聚類分析的目標(biāo)識(shí)別效果評(píng)估方法[J];電子對(duì)抗技術(shù);2005年03期

7 蓋明久;呂世良;時(shí)寶;;一種概率更新方法及在目標(biāo)識(shí)別中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報(bào);2006年05期

8 張平定;王海軍;王睿;;一種基于聚類思想的目標(biāo)識(shí)別新方法[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

9 賈宇平;付耀文;黎湘;莊釗文;;灰局勢(shì)決策方法在決策層融合目標(biāo)識(shí)別中的應(yīng)用[J];信號(hào)處理;2007年04期

10 李靜;黃崢;;靜態(tài)傅里葉干涉具在目標(biāo)識(shí)別中的應(yīng)用研究[J];光譜學(xué)與光譜分析;2009年08期

相關(guān)會(huì)議論文 前10條

1 王宇;鐘秋海;;用統(tǒng)計(jì)模式識(shí)別方法建立海上目標(biāo)識(shí)別的數(shù)學(xué)模型[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

2 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚(yú)雷目標(biāo)識(shí)別[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

3 李夕海;趙克;慕曉冬;劉代志;;目標(biāo)識(shí)別中的特征相空間吸引子分析[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

4 馮杰;蓋強(qiáng);古軍峰;;模糊聚類分析方法在海上目標(biāo)識(shí)別中的應(yīng)用[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

5 趙克;劉代志;慕曉東;蘇娟;;目標(biāo)識(shí)別的特征量約束[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

6 李正東;陳興無(wú);宋琛;何武良;;多傳感器的目標(biāo)識(shí)別[A];中國(guó)工程物理研究院科技年報(bào)（1999）[C];1999年

7 郭相科;劉進(jìn)忙;曹學(xué)斌;張玉鵬;;子類獨(dú)立分量分析在聲目標(biāo)識(shí)別中的應(yīng)用[A];中國(guó)聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（上）[C];2007年

8 張翠;高廣春;趙勝穎;;基于時(shí)間融合算法的近程目標(biāo)識(shí)別[A];2011下一代自動(dòng)測(cè)試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

9 俞鴻波;趙榮椿;;三維空間目標(biāo)識(shí)別概述[A];信號(hào)與信息處理技術(shù)——第一屆信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

10 曹健;陳紅倩;毛典輝;李海生;蔡強(qiáng);;基于局部特征的圖像目標(biāo)識(shí)別問(wèn)題綜述[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

相關(guān)重要報(bào)紙文章 前10條

1 記者 李大慶;我在國(guó)際計(jì)算機(jī)視覺(jué)算法競(jìng)賽中摘金[N];科技日?qǐng)?bào);2011年

2 莫衍崴 特約記者劉謙;上士白光斌:電話傳音排故障[N];戰(zhàn)士報(bào);2012年

3 滕繼濮;不放過(guò)一個(gè)“壞蛋”[N];糧油市場(chǎng)報(bào);2011年

4 吳飛;無(wú)邊距照片打印三部曲[N];中國(guó)電腦教育報(bào);2003年

5 ;生活中的計(jì)算機(jī)視覺(jué)[N];中國(guó)計(jì)算機(jī)報(bào);2006年

6 王悅承;逾30篇中國(guó)論文入選ICCV[N];中國(guó)計(jì)算機(jī)報(bào);2005年

7 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報(bào);2009年

8 ;B超術(shù)語(yǔ)解釋[N];農(nóng)村醫(yī)藥報(bào)（漢）;2008年

9 本報(bào)記者 滕繼濮;無(wú)損檢測(cè)技術(shù)：不放過(guò)一個(gè)“壞蛋”[N];科技日?qǐng)?bào);2011年

10 ;圖像質(zhì)量調(diào)整秘技[N];電腦報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 肖永生;射頻隱身雷達(dá)信號(hào)設(shè)計(jì)與目標(biāo)識(shí)別研究[D];南京航空航天大學(xué);2014年

2 崔宗勇;合成孔徑雷達(dá)目標(biāo)識(shí)別理論與關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

3 丁軍;基于稀疏理論的SAR圖像目標(biāo)識(shí)別研究[D];西安電子科技大學(xué);2015年

4 韓靜;基于仿生視覺(jué)模型和復(fù)雜信息學(xué)習(xí)的多光譜夜視目標(biāo)識(shí)別技術(shù)[D];南京理工大學(xué);2014年

5 黃璇;多源引導(dǎo)信息融合及其關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

6 寧宣杰;基于空防雷達(dá)網(wǎng)絡(luò)的多傳感器信息融合關(guān)鍵技術(shù)研究及其應(yīng)用[D];東北大學(xué);2014年

7 楊松巖;高頻波段雷達(dá)目標(biāo)特征提取與識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2016年

8 張學(xué)峰;雷達(dá)高分辨距離像目標(biāo)識(shí)別與拒判方法研究[D];西安電子科技大學(xué);2015年

9 李西平;塔機(jī)超聲安全預(yù)警目標(biāo)識(shí)別的神經(jīng)網(wǎng)絡(luò)方法研究[D];西安建筑科技大學(xué);2015年

10 舒銳;衛(wèi)星目標(biāo)識(shí)別與特征參數(shù)提取方法研究[D];哈爾濱工業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 楊利峰;復(fù)雜場(chǎng)景下的顯著性檢測(cè)與應(yīng)用[D];天津大學(xué);2016年

2 許俊峰;基于模型的任意視點(diǎn)下三維目標(biāo)識(shí)別研究[D];南京航空航天大學(xué);2015年

3 李建;毫米波輻射計(jì)目標(biāo)識(shí)別性能測(cè)試系統(tǒng)研究[D];南京理工大學(xué);2015年

4 陳晨;紅外/毫米波復(fù)合信號(hào)處理方法及電路設(shè)計(jì)[D];南京理工大學(xué);2015年

5 王玉君;基于遠(yuǎn)紅外熱像儀的地面機(jī)動(dòng)目標(biāo)識(shí)別[D];沈陽(yáng)理工大學(xué);2015年

6 姚國(guó)偉;基于高分辨距離像的艦船目標(biāo)識(shí)別研究[D];哈爾濱工業(yè)大學(xué);2015年

7 周偉峰;基于神經(jīng)網(wǎng)絡(luò)的單目機(jī)器人目標(biāo)識(shí)別定位研究[D];安徽工程大學(xué);2015年

8 譚敏潔;基于壓縮感知的雷達(dá)一維距離像目標(biāo)識(shí)別[D];電子科技大學(xué);2015年

9 王翔;基于局部神經(jīng)反應(yīng)的目標(biāo)識(shí)別研究[D];華中師范大學(xué);2015年

10 劉巍;基于非均勻采樣圖像的目標(biāo)識(shí)別與跟蹤算法研究[D];北京理工大學(xué);2015年

，

本文編號(hào)：2284537