本文關(guān)鍵詞：視覺顯著性目標(biāo)檢測(cè)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：受啟發(fā)于人類視覺系統(tǒng)能快速而準(zhǔn)確地找出復(fù)雜場(chǎng)景中最令人感興趣的區(qū)域,視覺顯著性目標(biāo)檢測(cè)技術(shù)通過模擬人類視覺注意力機(jī)制自動(dòng)檢測(cè)場(chǎng)景中的顯著目標(biāo),其在計(jì)算機(jī)視覺領(lǐng)域目標(biāo)智能檢測(cè)識(shí)別方面具有重要的理論意義和廣泛的應(yīng)用價(jià)值。鑒此,論文就自然場(chǎng)景下的視覺顯著性目標(biāo)檢測(cè)方法展開研究,探究視覺顯著性目標(biāo)檢測(cè)的基本原理和機(jī)制,建立其相應(yīng)的計(jì)算模型。針對(duì)當(dāng)前各種經(jīng)典的視覺顯著性檢測(cè)模型所存在的實(shí)時(shí)性和精度問題,本文致力于檢測(cè)精度的問題。采用自底向上的技術(shù)路線,通過建立合適的計(jì)算模型進(jìn)行靜態(tài)圖像和視頻動(dòng)態(tài)圖像的視覺顯著性目標(biāo)檢測(cè)。論文首先介紹了靜態(tài)圖像視覺顯著性目標(biāo)檢測(cè)中的圖論模型,在前期學(xué)者們研究的基礎(chǔ)上提出了一種結(jié)合吸收馬爾科夫鏈和流形排序的改進(jìn)算法,與之前的圖論模型不同,本文同時(shí)考慮目標(biāo)特征和背景特征并引入吸收馬爾科夫鏈的被吸收時(shí)間來進(jìn)行視覺顯著性目標(biāo)檢測(cè)。進(jìn)一步,鑒于該算法在背景占據(jù)圖像中心區(qū)域較大面積時(shí)檢測(cè)效果不佳的問題,引入流形排序進(jìn)行背景抑制以提高算法的精度。另外,為提高算法的運(yùn)行速度,模型首先對(duì)圖像進(jìn)行SLIC超級(jí)像素分割形成更大的像素集處理單元塊,其次定義評(píng)分函數(shù)自適應(yīng)選擇流形排序,以同時(shí)兼顧算法的實(shí)時(shí)性與精度。論文進(jìn)行了視頻圖像的視覺顯著性目標(biāo)檢測(cè),針對(duì)顏色特征的適應(yīng)性不夠的問題,本文從視頻圖像序列本身的特點(diǎn)引入兩種新的視覺特征:運(yùn)動(dòng)特征和目標(biāo)概率分布特征,由此形成視頻圖像對(duì)應(yīng)三種特征的顯著圖。并從信息熵的角度,自適應(yīng)加權(quán)融合三特征顯著圖以獲得視頻圖像的最終顯著圖,得以提升算法的場(chǎng)景適應(yīng)能力�；跇�(biāo)準(zhǔn)數(shù)據(jù)集,本文進(jìn)行了上述兩種算法的系統(tǒng)測(cè)試,并和經(jīng)典的主流視覺顯著性目標(biāo)檢測(cè)算法進(jìn)行了對(duì)比實(shí)驗(yàn)分析以進(jìn)一步洞察模型的優(yōu)勢(shì)與不足和未來尚需進(jìn)行研究的方向。實(shí)驗(yàn)結(jié)果表明上述兩種算法提升了目標(biāo)檢測(cè)精度,但其所依賴目標(biāo)在相應(yīng)的視覺特征上必須是顯著的假設(shè),而制約了其目標(biāo)檢測(cè)能力,此還有待后期開展進(jìn)一步的研究。
【關(guān)鍵詞】：顯著性目標(biāo)檢測(cè) 吸收馬爾科夫鏈 流形排序 目標(biāo)概率分布特征
【學(xué)位授予單位】：中國(guó)科學(xué)院研究生院(光電技術(shù)研究所)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 致謝4-6
• 摘要6-7
• ABSTRACT7-11
• 1 緒論11-16
• 1.1 引言11
• 1.2 研究背景與意義11-12
• 1.3 研究現(xiàn)狀12-15
• 1.3.1 人眼注意點(diǎn)預(yù)測(cè)模型12-13
• 1.3.2 顯著性目標(biāo)檢測(cè)模型13-15
• 1.4 技術(shù)難點(diǎn)15
• 1.5 文章組織結(jié)構(gòu)15-16
• 2 靜態(tài)圖像視覺顯著性目標(biāo)檢測(cè)16-36
• 2.1 引言16
• 2.2 基于圖論的顯著性檢測(cè)算法16-19
• 2.3 吸收馬爾科夫鏈19-20
• 2.3.1 吸收馬爾科夫鏈的原理19
• 2.3.2 吸收馬爾科夫鏈和顯著性檢測(cè)19-20
• 2.4 流形排序原理20
• 2.5 靜態(tài)圖像視覺顯著性目標(biāo)檢測(cè)算法20-30
• 2.5.1 SLIC超像素分割22-26
• 2.5.2 基于吸收馬爾科夫鏈的顯著性目標(biāo)檢測(cè)26-28
• 2.5.2.1 圖的建立26-27
• 2.5.2.2 顯著性檢測(cè)27-28
• 2.5.3 基于流形排序的進(jìn)一步檢測(cè)28-30
• 2.6 實(shí)驗(yàn)結(jié)果與分析30-35
• 2.6.1 視覺顯著圖30-31
• 2.6.2 性能評(píng)估31-35
• 2.7 本章小結(jié)35-36
• 3 視頻圖像視覺顯著性目標(biāo)檢測(cè)36-58
• 3.1 引言36
• 3.2 經(jīng)典的視頻圖像顯著性檢測(cè)算法36-38
• 3.3 特征提取38-48
• 3.3.1 運(yùn)動(dòng)特征38-42
• 3.3.1.1 光流估計(jì)39-42
• 3.3.1.2 運(yùn)動(dòng)差分計(jì)算42
• 3.3.2 目標(biāo)概率分布特征42-48
• 3.3.2.1 多尺度顯著線索(MS)42-43
• 3.3.2.2 顏色對(duì)比度線索(CC)43-45
• 3.3.2.3 超級(jí)像素跨界線索(SS)45
• 3.3.2.4 參數(shù)的學(xué)習(xí)45-46
• 3.3.2.5 目標(biāo)概率分布計(jì)算46-48
• 3.4 視頻圖像視覺顯著性目標(biāo)檢測(cè)算法48-52
• 3.4.1 運(yùn)動(dòng)顯著圖50
• 3.4.2 目標(biāo)度量顯著圖50-51
• 3.4.3 顯著圖融合51-52
• 3.5 實(shí)驗(yàn)結(jié)果與分析52-57
• 3.5.1 視覺顯著圖52-54
• 3.5.2 性能評(píng)估54-57
• 3.6 本章小結(jié)57-58
• 4 總結(jié)與展望58-61
• 4.1 論文主要工作內(nèi)容及創(chuàng)新點(diǎn)58-59
• 4.2 研究展望59-61
• 參考文獻(xiàn)61-65
• 作者簡(jiǎn)介及在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果65

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 戎順熙 ,范良政;連續(xù)流通化學(xué)反應(yīng)系統(tǒng)的馬爾科夫鏈模型[J];浙江大學(xué)學(xué)報(bào);1987年02期

2 張東晨;用離散馬爾科夫鏈預(yù)測(cè)煤炭分選指標(biāo)[J];選煤技術(shù);1990年06期

3 范時(shí)平;分解—排序—更新法求解馬爾科夫鏈[J];重慶郵電學(xué)院學(xué)報(bào);1997年04期

4 龔雯;胡家福;;基于馬爾科夫鏈在IT項(xiàng)目進(jìn)度中的控制管理[J];電子測(cè)試;2013年24期

5 楊燦;楊敏華;汪齊松;;基于灰色馬爾科夫鏈預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];測(cè)繪科學(xué);2009年06期

6 李莉;;基于灰色馬爾科夫鏈的小排量汽車銷量預(yù)測(cè)研究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2014年05期

7 張婧;向澤林;;馬爾科夫鏈在零售商品銷售預(yù)測(cè)中的應(yīng)用[J];成都航空職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年03期

8 張環(huán)環(huán);周麗娟;;馬爾科夫鏈在通信市場(chǎng)3G用戶預(yù)測(cè)中的應(yīng)用[J];廣西工學(xué)院學(xué)報(bào);2013年01期

9 唐小我，曾勇，，曹長(zhǎng)修;市場(chǎng)預(yù)測(cè)中馬爾科夫鏈轉(zhuǎn)移概率的估計(jì)[J];地質(zhì)科技管理;1994年06期

10 李磊;楊瑞科;趙振維;;長(zhǎng)春和新鄉(xiāng)雨衰時(shí)間序列的馬爾科夫鏈模擬[J];電波科學(xué)學(xué)報(bào);2012年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前7條

1 王丹;雷艷紅;黃永興;李清;;馬爾科夫鏈在綜合造價(jià)指數(shù)預(yù)測(cè)中的應(yīng)用[A];電網(wǎng)工程造價(jià)管理優(yōu)秀論文[C];2011年

2 林斐;;馬爾科夫鏈在地價(jià)趨勢(shì)預(yù)測(cè)中的應(yīng)用及分析[A];中國(guó)運(yùn)籌學(xué)會(huì)第九屆學(xué)術(shù)交流會(huì)論文集[C];2008年

3 郭昊坤;吳軍基;應(yīng)展烽;陸嫻;;一類特殊隨機(jī)序列的改進(jìn)馬爾科夫鏈建模[A];第十六屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上）[C];2011年

4 張麗;楊慶媛;;馬爾科夫鏈在土地利用結(jié)構(gòu)優(yōu)化中的運(yùn)用探討——以重慶市沙坪壩區(qū)為例[A];中國(guó)土地資源可持續(xù)利用與新農(nóng)村建設(shè)研究[C];2008年

5 田瓊;楊麗;羅婷;;基于馬爾科夫鏈的停車尋位模型[A];中國(guó)系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)論文集——A12系統(tǒng)科學(xué)與系統(tǒng)工程理論在各個(gè)領(lǐng)域中的應(yīng)用研究[C];2014年

6 錢虹;駱建波;金蔚霄;周金明;臧旭東;;基于動(dòng)態(tài)故障樹的DEH系統(tǒng)優(yōu)化的可靠性評(píng)價(jià)[A];智能化電站技術(shù)發(fā)展研討暨電站自動(dòng)化2013年會(huì)論文集[C];2013年

7 張炳漢;;灰色——馬爾科夫鏈方法在甘蔗產(chǎn)量前景預(yù)測(cè)中的應(yīng)用[A];模糊數(shù)學(xué)和系統(tǒng)成果會(huì)論文集[C];1991年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 蒲冰遠(yuǎn);馬爾科夫鏈與網(wǎng)頁(yè)排序問題的數(shù)值算法研究[D];電子科技大學(xué);2015年

2 馬海平;進(jìn)化算法模型建立與性能分析研究[D];上海大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 唐小勇;馬爾科夫鏈問題算法研究[D];電子科技大學(xué);2015年

2 湯龍浩;基于部分觀測(cè)信息的CAN總線節(jié)點(diǎn)可靠性評(píng)估[D];浙江大學(xué);2015年

3 李香春;能量高效的智能傳感策略研究[D];哈爾濱工業(yè)大學(xué);2016年

4 樊冬雪;基于優(yōu)化灰色馬爾科夫鏈模型的鐵路客流量預(yù)測(cè)方法研究[D];重慶交通大學(xué);2015年

5 劉春;出行者出行信息語(yǔ)義挖掘[D];山東理工大學(xué);2015年

6 張強(qiáng);基于隨機(jī)調(diào)制的感應(yīng)電機(jī)減振降噪策略研究[D];沈陽(yáng)工業(yè)大學(xué);2016年

7 黃燁;視覺顯著性目標(biāo)檢測(cè)技術(shù)研究[D];中國(guó)科學(xué)院研究生院(光電技術(shù)研究所);2016年

8 汲劍銳;馬爾科夫鏈應(yīng)用的一些探討[D];華中師范大學(xué);2012年

9 王洪波;基于馬爾科夫鏈的算法復(fù)雜度分析[D];大連理工大學(xué);2007年

10 王振東;基于可控馬爾科夫鏈的跳躍系統(tǒng)控制問題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

  本文關(guān)鍵詞：視覺顯著性目標(biāo)檢測(cè)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：440849