本文關(guān)鍵詞： 遺傳算法 中心先驗(yàn) 顯著性 貝葉斯框架　出處：《計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)》2017年11期 　論文類(lèi)型：期刊論文

【摘要】：為了更魯棒地檢測(cè)圖像中的顯著目標(biāo).在凸包的基礎(chǔ)上,提出一種基于自適應(yīng)遺傳算法的顯著性檢測(cè)算法.首先通過(guò)圖像的Harris角點(diǎn)構(gòu)造凸包,利用自適應(yīng)遺傳算法來(lái)找出凸包內(nèi)的顯著目標(biāo)并構(gòu)造遺傳先驗(yàn)圖;然后構(gòu)建中心先驗(yàn)?zāi)Ｐ?與遺傳先驗(yàn)圖融合成先驗(yàn)圖;最后引入貝葉斯優(yōu)化框架來(lái)優(yōu)化先驗(yàn)圖,以得到最終的顯著圖.在6個(gè)公開(kāi)的顯著性檢測(cè)數(shù)據(jù)庫(kù)上進(jìn)行評(píng)測(cè),通過(guò)大量實(shí)驗(yàn)驗(yàn)證了該算法的有效性.
[Abstract]:In order to detect salient objects in images more robustly, a saliency detection algorithm based on adaptive genetic algorithm is proposed based on convex hull. Firstly, convex hull is constructed by Harris corner of image. Adaptive genetic algorithm is used to find salient objects in convex hull and construct genetic prior graph. Then a central priori model is constructed, which is fused with genetic prior graph to form a prior graph. Finally, Bayesian optimization framework is introduced to optimize the prior graph. In order to obtain the final salience diagram, the algorithm is evaluated on six open salience detection databases, and the effectiveness of the algorithm is verified by a large number of experiments.
【作者單位】： 上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院;上海師范大學(xué)信息與機(jī)電工程學(xué)院;上海交通大學(xué)電子信息與電氣工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金青年項(xiàng)目(61502220);國(guó)家自然科學(xué)基金聯(lián)合項(xiàng)目(U1304616);國(guó)家自然科學(xué)基金面上項(xiàng)目(61775139) 上海市自然科學(xué)基金(15ZR1428600)
【分類(lèi)號(hào)】：TP18;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 焦杏艷;丁萬(wàn)山;;基于自適應(yīng)遺傳算法的紙幣識(shí)別預(yù)處理[J];計(jì)算技術(shù)與自動(dòng)化;2007年03期

2 韓江洪;王梅芳;馬學(xué)森;王躍飛;;基于自適應(yīng)遺傳算法的虛擬企業(yè)伙伴選擇求解[J];計(jì)算機(jī)集成制造系統(tǒng);2008年01期

3 雷亮;汪同慶;彭軍;楊波;;改進(jìn)的自適應(yīng)遺傳算法應(yīng)用研究[J];計(jì)算機(jī)科學(xué);2009年06期

4 任海艷;陳飛翔;;自適應(yīng)遺傳算法的改進(jìn)及在曲線化簡(jiǎn)中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2012年11期

5 王朝輝;徐一兵;;一種基于優(yōu)化的自適應(yīng)遺傳算法的粒子濾波算法[J];計(jì)算機(jī)安全;2012年03期

6 嚴(yán)峻;一種改進(jìn)的基于成熟前收斂判斷的自適應(yīng)遺傳算法[J];南京郵電學(xué)院學(xué)報(bào)(自然科學(xué)版);1999年01期

7 郭宏剛;白燕娜;康文靜;;自適應(yīng)遺傳算法在視頻摘要中的應(yīng)用[J];河北師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

8 程方啟;葉飛帆;楊建國(guó);;基于自適應(yīng)遺傳算法的虛擬企業(yè)合作伙伴選擇[J];中國(guó)機(jī)械工程;2008年11期

9 吳斌,吳堅(jiān),涂序彥;廣義自適應(yīng)遺傳算法[J];西南工學(xué)院學(xué)報(bào);1998年04期

10 張開(kāi)便;李喜艷;董振華;;一種自適應(yīng)遺傳算法在自動(dòng)組卷中的應(yīng)用[J];福建電腦;2013年04期

相關(guān)會(huì)議論文 前2條

1 戴春妮;姚萌;謝祝捷;陳春宏;劉錦高;;一種自適應(yīng)遺傳算法在溫室作物生長(zhǎng)模型中的應(yīng)用[A];第一屆中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集[C];2007年

2 婁山佐;史忠科;;大規(guī)模實(shí)時(shí)車(chē)輛調(diào)度模型與遺傳算法設(shè)計(jì)[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（上冊(cè)）[C];2005年

相關(guān)碩士學(xué)位論文 前6條

1 黃茹琴;基于自適應(yīng)遺傳算法的供電公司技能考試系統(tǒng)研究與設(shè)計(jì)[D];湖南大學(xué);2016年

2 鄒海珍;基于改進(jìn)自適應(yīng)遺傳算法的排課系統(tǒng)設(shè)計(jì)[D];華南理工大學(xué);2016年

3 樊利;小微文化企業(yè)視頻特征推薦方法的研究與應(yīng)用[D];北方工業(yè)大學(xué);2017年

4 郭劍;基于改進(jìn)的自適應(yīng)遺傳算法在題庫(kù)系統(tǒng)的研究及應(yīng)用[D];中南大學(xué);2013年

5 任建斌;基于自適應(yīng)遺傳算法的橢圓聚類(lèi)方法研究[D];中北大學(xué);2009年

6 馮阿瑞;圖像歸一化分割方法研究[D];重慶大學(xué);2014年

，

本文編號(hào)：1532995