現(xiàn)在圖像的特征提取廣泛運用在不同的領域中,并且起到了非常重要的作用。顯著性的處理在計算機視覺中發(fā)揮著重大的作用,并且在此領域可以運用于不同的方面。同時結合顯著性的特征提取可以達到更好的提取效果,在實踐過程中結合實際情況,可以探索出更多有價值的顯著性處理方法。在日常生活的自然場景中檢測并且分割顯著對象,即顯著目標檢測已經吸引了計算機視覺方面的許多集中研究,并且由此產生了很多實際應用。然而,盡管生活中已經存在了很多模型,但是對于已有成果和現(xiàn)實中遇到問題的深入理解與運用依然非常缺乏。此外,顯著性檢測運用于不同的學科,包括生物科學和藥學等方面,基于顯著性檢測的顯著特征提取可以促進學科技術的發(fā)展,所以深入研究圖像的顯著特征提取具有很大的價值。目前已有較為成熟的顯著性檢測算法,但是隨著應用范圍逐漸增大,新的用以解決現(xiàn)實中遇到的問題的算法也應該被逐漸優(yōu)化。本文中實現(xiàn)的是首先將原始圖像映射到特征空間,完成了對原始圖像的分割處理。之后再根據(jù)分割區(qū)域的歐式距離和權重計算顯著性值,由此確定顯著區(qū)域的形狀邊界等因素。在本文中優(yōu)化實現(xiàn)的部分主要是針對高斯差分的加權優(yōu)化。并且完成了在分析已有區(qū)域對比對的理論基礎下...

【文章頁數(shù)】：59 頁

【學位級別】：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 國內外研究現(xiàn)狀
    1.3 主要研究內容
    1.4 論文組織結構
第2章 相關理論與技術
    2.1 人眼視覺特征
    2.2 視覺顯著性基礎
        2.2.1 顯著對象處理
        2.2.2 對比度原理
        2.2.3 顯著特征檢測模型
    2.3 典型顯著性檢測算法
        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 常用顯著性檢測算法比較
    2.5 本章總結
第3章 基于對比度的顯著性檢測
    3.1 顯著特征處理模型
    3.2 顯著特征處理實現(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 基于全局對比度的算法應用
        3.4.1 Histogram Contrast算法
        3.4.2 Global Contrast算法
    3.5 基于局部對比度的RC算法應用
    3.6 本章總結
第4章 顯著特征處理與應用
    4.1 算法實現(xiàn)流程
    4.2 顯著特征優(yōu)化處理
        4.2.1 高斯分布模型計算
        4.2.2 空間加權優(yōu)化
    4.3 實驗效果對比
        4.3.1 場景應用效果對比
        4.3.2 圖像數(shù)據(jù)集效果對比
    4.4 本章總結
第5章 總結與展望
    5.1 全文總結
    5.2 工作展望
參考文獻
作者簡介及在學期間所取得的科研成果
致謝



本文編號：3757922