本文關(guān)鍵詞：基于sPCA的協(xié)同顯著性檢測(cè)方法及應(yīng)用研究

  更多相關(guān)文章： 協(xié)同顯著性檢測(cè) 協(xié)同分割 圖割 K-Means 主動(dòng)輪廓

【摘要】：協(xié)同顯著性目標(biāo)檢測(cè)(Co-saliency detection)是一種視覺(jué)顯著性機(jī)制引導(dǎo)的在多幅圖像中檢測(cè)相似或共有目標(biāo)的技術(shù),在協(xié)同分割、信息檢索、自動(dòng)標(biāo)注及前景提取等領(lǐng)域具有廣泛的應(yīng)用前景,成為圖像處理領(lǐng)域的研究熱點(diǎn)。經(jīng)過(guò)近幾年的研究,盡管提出了一些協(xié)同顯著性檢測(cè)算法,然而,如何實(shí)現(xiàn)復(fù)雜環(huán)境下快速、魯棒的協(xié)同顯著性檢測(cè)依然需要非常深入的研究,本文分析現(xiàn)有協(xié)同顯著性檢測(cè)技術(shù)存在的問(wèn)題,重點(diǎn)研究了基于稀疏主成分分析(Sparse Principal Componen Analysis,sPCA)的快速協(xié)同顯著性檢測(cè)算法及其在協(xié)同分割中的應(yīng)用。本文采用循序漸進(jìn)的方式對(duì)基于sPCA的協(xié)同顯著性檢測(cè)算法進(jìn)行了研究,首先從協(xié)同顯著性算法的效率出發(fā),對(duì)底層特征進(jìn)行稀釋特征提取,然后考慮提取特征的有效性對(duì)稀疏特征進(jìn)一步選擇,實(shí)現(xiàn)基于sPCA的快速、魯棒協(xié)同顯著性檢測(cè),最后將該方法應(yīng)用于多幅圖像的協(xié)同分割,實(shí)現(xiàn)復(fù)雜圖像協(xié)同顯著目標(biāo)的自動(dòng)精確分割。具體工作主要包括:(1)針對(duì)協(xié)同顯著性檢測(cè)算法效率低的問(wèn)題,提出了一種基于圖像分塊的截?cái)鄡缦∈柚鞒煞痔崛》椒?作為圖像協(xié)同顯著性檢測(cè)的預(yù)處理。實(shí)驗(yàn)結(jié)果表明,通過(guò)將高維輸入圖像壓縮到低維空間,可保留原圖像中有效特征,并且消除數(shù)據(jù)中存在的大量冗余,縮短了顯著性檢測(cè)的運(yùn)行時(shí)間。(2)針對(duì)截?cái)鄡绶椒ㄖ休d荷系數(shù)對(duì)主成分前后表示不一致的問(wèn)題,提出了一種基于圖像塊間有效距離的特征選擇方法,對(duì)負(fù)載因子進(jìn)行結(jié)構(gòu)化選擇,提取有效特征進(jìn)行協(xié)同顯著性檢測(cè)。實(shí)驗(yàn)結(jié)果表明,本方法可在保證顯著性檢測(cè)精度的同時(shí),進(jìn)一步提高了協(xié)同顯著性檢測(cè)方法的執(zhí)行效率。(3)研究了基于協(xié)同顯著性檢測(cè)的目標(biāo)自動(dòng)分割技術(shù)。綜合協(xié)同顯著性檢測(cè)、星形先驗(yàn)圖割分割、單步GrabCut圖割以及主動(dòng)輪廓方法的優(yōu)勢(shì),提出了一種協(xié)同顯著性目標(biāo)自動(dòng)精確分割方法。實(shí)驗(yàn)結(jié)果表明,該方法可以得到較準(zhǔn)確、魯棒的分割結(jié)果。
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
，

本文編號(hào)：1224743