現(xiàn)在圖像的特征提取廣泛運(yùn)用在不同的領(lǐng)域中,并且起到了非常重要的作用。顯著性的處理在計(jì)算機(jī)視覺(jué)中發(fā)揮著重大的作用,并且在此領(lǐng)域可以運(yùn)用于不同的方面。同時(shí)結(jié)合顯著性的特征提取可以達(dá)到更好的提取效果,在實(shí)踐過(guò)程中結(jié)合實(shí)際情況,可以探索出更多有價(jià)值的顯著性處理方法。在日常生活的自然場(chǎng)景中檢測(cè)并且分割顯著對(duì)象,即顯著目標(biāo)檢測(cè)已經(jīng)吸引了計(jì)算機(jī)視覺(jué)方面的許多集中研究,并且由此產(chǎn)生了很多實(shí)際應(yīng)用。然而,盡管生活中已經(jīng)存在了很多模型,但是對(duì)于已有成果和現(xiàn)實(shí)中遇到問(wèn)題的深入理解與運(yùn)用依然非常缺乏。此外,顯著性檢測(cè)運(yùn)用于不同的學(xué)科,包括生物科學(xué)和藥學(xué)等方面,基于顯著性檢測(cè)的顯著特征提取可以促進(jìn)學(xué)科技術(shù)的發(fā)展,所以深入研究圖像的顯著特征提取具有很大的價(jià)值。目前已有較為成熟的顯著性檢測(cè)算法,但是隨著應(yīng)用范圍逐漸增大,新的用以解決現(xiàn)實(shí)中遇到的問(wèn)題的算法也應(yīng)該被逐漸優(yōu)化。本文中實(shí)現(xiàn)的是首先將原始圖像映射到特征空間,完成了對(duì)原始圖像的分割處理。之后再根據(jù)分割區(qū)域的歐式距離和權(quán)重計(jì)算顯著性值,由此確定顯著區(qū)域的形狀邊界等因素。在本文中優(yōu)化實(shí)現(xiàn)的部分主要是針對(duì)高斯差分的加權(quán)優(yōu)化。并且完成了在分析已有區(qū)域?qū)Ρ葘?duì)的理論基礎(chǔ)下...

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)理論與技術(shù)
    2.1 人眼視覺(jué)特征
    2.2 視覺(jué)顯著性基礎(chǔ)
        2.2.1 顯著對(duì)象處理
        2.2.2 對(duì)比度原理
        2.2.3 顯著特征檢測(cè)模型
    2.3 典型顯著性檢測(cè)算法
        2.3.1 IT算法
        2.3.2 SR算法
        2.3.3 AC算法
        2.3.4 FT算法
        2.3.5 GB算法
    2.4 常用顯著性檢測(cè)算法比較
    2.5 本章總結(jié)
第3章 基于對(duì)比度的顯著性檢測(cè)
    3.1 顯著特征處理模型
    3.2 顯著特征處理實(shí)現(xiàn)
        3.2.1 色彩空間
        3.2.2 方向特征
        3.2.3 形狀特征
    3.3 圖像分割處理
    3.4 基于全局對(duì)比度的算法應(yīng)用
        3.4.1 Histogram Contrast算法
        3.4.2 Global Contrast算法
    3.5 基于局部對(duì)比度的RC算法應(yīng)用
    3.6 本章總結(jié)
第4章 顯著特征處理與應(yīng)用
    4.1 算法實(shí)現(xiàn)流程
    4.2 顯著特征優(yōu)化處理
        4.2.1 高斯分布模型計(jì)算
        4.2.2 空間加權(quán)優(yōu)化
    4.3 實(shí)驗(yàn)效果對(duì)比
        4.3.1 場(chǎng)景應(yīng)用效果對(duì)比
        4.3.2 圖像數(shù)據(jù)集效果對(duì)比
    4.4 本章總結(jié)
第5章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 工作展望
參考文獻(xiàn)
作者簡(jiǎn)介及在學(xué)期間所取得的科研成果
致謝



本文編號(hào)：3757922