本文關鍵詞：圖像的視覺顯著性分析與應用研究

  更多相關文章： 視覺顯著性 特征空間 圖融合 海水珍珠圖像 背景提取 Otsu算法

【摘要】：人類視覺系統(tǒng)能迅速從圖像或場景中發(fā)現(xiàn)并關注感興趣的內(nèi)容。如何模仿視覺認知機制建立視覺顯著計算模型,以實現(xiàn)對場景中目標的檢測和識別是當前計算機視覺領域的研究熱點。本文從視覺注意機制、視覺計算理論和視覺顯著計算模型出發(fā),對自底向上的視覺顯著計算模型深入研究和改進,并將其應用于靜態(tài)圖像和視頻圖像序列。首先對自底向上的視覺顯著計算模型進行了綜述和分析,并歸納成可分為顯著特征檢測與描述、顯著圖生成和顯著圖融合三部分的一般模型框架。研究分析了框架中各部分采用的不同的處理方法、適用范圍及其存在的問題。再針對Itti模型的顯著特征選擇和算法較為復雜的不足,提出單一尺度下結(jié)合全局顏色顯著和方向顯著的改進顯著計算方法。該方法在更符合視覺特性的Lab空間中進行多通道分解,利用高斯差分濾波提取各通道顏色特征,進行全局均值計算顏色顯著圖；利用Gabor濾波的方向選擇性提取不同方向上的顯著圖。將改進的算法模型和Itti模型、SR模型在MSRA視覺顯著目標檢測數(shù)據(jù)庫中進行實驗驗證,結(jié)果表明,在該測試庫中本文方法在顯著目標提取的完整性、與人工標記圖的相近程度均優(yōu)于對比模型結(jié)果。研究了基于顏色、紋理、形狀的多特征融合與模式識別的海水珍珠目標識別方法,利用Matlab、SQL Server設計開發(fā)了海水珍珠識別原型系統(tǒng),并將顯著計算模型應用于該系統(tǒng)中的珍珠圖像目標自動檢測。利用SR模型的顯著性檢測原理,提出一種結(jié)合視頻圖像幀間關系的多通道殘余譜計算的靜止背景提取方法。該方法按固定時間間隔抽取視頻圖像序列,統(tǒng)計多色彩通道下頻域中對數(shù)譜,在進行多幀均衡后過濾顯著目標信息,反變換后重建背景圖像,實驗驗證了方法的有效性。再結(jié)合視頻圖像序列中相鄰幀間的關系,利用遺傳模擬退火算法對Otsu算法進行改進,并結(jié)合三幀差分法實現(xiàn)運動目標的檢測,實驗證明該方法提高了二值化閾值的選取精度,使檢測的運動目標更完整。
【關鍵詞】：視覺顯著性 特征空間 圖融合 海水珍珠圖像 背景提取 Otsu算法
【學位授予單位】：海南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 研究背景與意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 視覺注意機制研究現(xiàn)狀10-12
• 1.2.2 視覺顯著計算模型研究現(xiàn)狀12-13
• 1.3 研究內(nèi)容與章節(jié)安排13-14
• 1.4 本章小結(jié)14-15
• 2 通用視覺顯著計算模型框架15-24
• 2.1 顯著特征檢測與描述15-19
• 2.1.1 顏色特征16-17
• 2.1.2 紋理特征17-18
• 2.1.3 形狀特征18-19
• 2.1.4 視頻圖像運動信息19
• 2.2 顯著圖生成策略19-21
• 2.2.1 區(qū)域比較20
• 2.2.2 全局均值比較20-21
• 2.2.3 多尺度多分辨率分析21
• 2.3 顯著圖融合策略21-23
• 2.3.1 單一線性融合22
• 2.3.2 自適應融合22-23
• 2.4 本章小結(jié)23-24
• 3 改進的顯著計算模型與應用24-40
• 3.1 Itti模型介紹及分析24-26
• 3.2 改進的顯著計算模型26-33
• 3.2.1 底層特征提取26-28
• 3.2.2 顯著子圖生成28-30
• 3.2.3 綜合顯著圖30-31
• 3.2.4 對比實驗與結(jié)果分析31-33
• 3.3 在海水珍珠識別系統(tǒng)中的應用33-38
• 3.3.1 海水珍珠識別系統(tǒng)架構(gòu)33
• 3.3.2 系統(tǒng)設計與實現(xiàn)33-37
• 3.3.3 基于顯著計算的珍珠目標檢測37-38
• 3.4 本章小結(jié)38-40
• 4 視覺顯著性在視頻圖像中的應用40-52
• 4.1 動目標檢測方法概述40-41
• 4.2 基于改進殘余譜的視頻序列背景提取41-45
• 4.2.1 SR算法與改進基礎41
• 4.2.2 改進算法提取運動目標背景41-44
• 4.2.3 實驗結(jié)果與分析44-45
• 4.3 改進的Otsu算法應用于運動目標檢測45-51
• 4.3.1 最大類間差法45-46
• 4.3.2 基于遺傳模擬退火算法的改進46-49
• 4.3.3 結(jié)合三幀差分法的運動目標檢測49
• 4.3.4 實驗結(jié)果與分析49-51
• 4.4 本章小結(jié)51-52
• 5 總結(jié)與展望52-54
• 參考文獻54-58
• 碩士期間發(fā)表論文和科研情況58-59
• 致謝59

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊勝輝;李太君;肖沙;周浩理;徐寧敏;;改進的Otsu算法及在運動目標檢測中的應用研究[J];電視技術;2015年24期

2 孫曉帥;姚鴻勛;;視覺注意與顯著性計算綜述[J];智能計算機與應用;2014年05期

3 陶輝;陳閩杰;賀石中;馮偉;;在線鐵譜圖像分析中基于蟻群算法改進Otsu的設計與應用[J];電子設計工程;2014年10期

4 景慧昀;韓琦;牛夏牧;;顯著區(qū)域檢測算法綜述[J];智能計算機與應用;2014年01期

5 黃凱奇;譚鐵牛;;視覺認知計算模型綜述[J];模式識別與人工智能;2013年10期

6 鐘雪君;;一種改進的Otsu雙閾值二值化圖像分割方法[J];電子世界;2013年04期

7 孔銳;張冰;;Gabor濾波器參數(shù)設置[J];控制與決策;2012年08期

8 陳崢;石勇鵬;吉書鵬;;一種改進的Otsu圖像閾值分割算法[J];激光與紅外;2012年05期

9 付燃;白艷萍;;一種新改進的otsu算法[J];科技信息;2012年08期

10 徐衛(wèi)星;王蘭英;李秀娟;;一種基于OpenCV實現(xiàn)的三幀差分運動目標檢測算法研究[J];計算機與數(shù)字工程;2011年11期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 敖歡歡;視覺顯著性應用研究[D];中國科學技術大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 肖沙;基于幀間差和背景差的視頻運動目標檢測方法研究[D];海南大學;2015年

2 李延龍;融合多特征的海水珍珠圖像檢索和識別技術研究[D];海南大學;2014年

3 徐瑛;融合信息熵和特征提取的海水珍珠檢測和識別技術研究[D];海南大學;2013年

4 丁鶴洋;適用于海水珍珠識別的圖像預處理方法研究[D];海南大學;2013年

5 仇媛媛;基于視覺顯著性的物體檢測方法研究[D];上海交通大學;2013年

，

本文編號：618568