本文關(guān)鍵詞：復(fù)雜環(huán)境下的圖像顯著性檢測(cè)研究

  更多相關(guān)文章： 圖像顯著性 多模態(tài)信息融合 Markov隨機(jī)游走 復(fù)雜環(huán)境 熱紅外圖像 保邊濾波

【摘要】：隨著信息技術(shù)的快速發(fā)展,圖像處理技術(shù)也越來(lái)越普遍。作為計(jì)算機(jī)視覺(jué)、心理學(xué)和神經(jīng)生物學(xué)的交叉學(xué)科,圖像顯著性檢測(cè)近些年引起了眾多研究者們的興趣,并取得了很大的研究進(jìn)展。然而,目前的圖像顯著性檢測(cè)方法對(duì)于復(fù)雜環(huán)境下目標(biāo)顯著性的檢測(cè)結(jié)果仍不夠理想。本文圍繞復(fù)雜環(huán)境下的圖像顯著性檢測(cè)問(wèn)題,從建立魯棒模型和融合多光譜信息的角度出發(fā),提出了融合低層和高層特征圖表示的圖像顯著性檢測(cè)算法和基于保邊濾波的多模態(tài)顯著性檢測(cè)算法。本文的主要工作如下：(1)針對(duì)復(fù)雜環(huán)境下的圖像顯著性算法,提出一種新的融合低層和高層特征的圖表示模型,把圖像顯著性問(wèn)題轉(zhuǎn)化為Markov隨機(jī)游走問(wèn)題進(jìn)行求解。首先,以超像素為結(jié)點(diǎn)構(gòu)圖,圖的點(diǎn)和邊的權(quán)重分別由結(jié)點(diǎn)的高層特征和結(jié)點(diǎn)之間的低層特征差異性來(lái)定義。其次,根據(jù)該圖模型構(gòu)造不對(duì)稱轉(zhuǎn)移概率矩陣,并用Markov隨機(jī)游走算法進(jìn)行求解,得到初始顯著性圖。然后,結(jié)合中心先驗(yàn)及改進(jìn)的邊界先驗(yàn)得到最終的圖像顯著性結(jié)果。最后,該算法在4個(gè)公共數(shù)據(jù)集上與10種方法進(jìn)行了比較與分析,驗(yàn)證了本文算法的有效性。(2)針對(duì)可見(jiàn)光譜信息受光照、霧霾和惡劣天氣等因素影響較大的問(wèn)題,引入熱紅外光譜信息對(duì)其進(jìn)行補(bǔ)充,提出了一種基于多模態(tài)信息融合模型的圖像顯著性檢測(cè)算法,并通過(guò)保邊濾波算法進(jìn)行快速求解。在構(gòu)建的多模態(tài)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)表明提出的方法能夠快速、有效地融合多模態(tài)信息,得到魯棒的顯著性檢測(cè)結(jié)果。
【關(guān)鍵詞】：圖像顯著性 多模態(tài)信息融合 Markov隨機(jī)游走 復(fù)雜環(huán)境 熱紅外圖像 保邊濾波
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-4
• Abstract4-11
• 第一章 緒論11-15
• 1.1 研究背景與意義11-12
• 1.2 圖像顯著性檢測(cè)方法研究現(xiàn)狀12-13
• 1.3 本文的工作與內(nèi)容安排13-15
• 第二章 圖像顯著性檢測(cè)方法概述15-25
• 2.1 圖像顯著性特征概述15-17
• 2.2 典型的圖像顯著性算法概述17-25
• 2.2.1 基于自底向上注意機(jī)制的圖像顯著性檢測(cè)算法18-22
• 2.2.2 基于自頂向下注意機(jī)制的圖像顯著性檢測(cè)算法22-23
• 2.2.3 其他的圖像顯著性檢測(cè)算法23-25
• 第三章 復(fù)雜環(huán)境下融合多層次特征的圖像顯著性檢測(cè)25-35
• 3.1 傳統(tǒng)的圖論模型介紹25
• 3.2 融合低層和高層特征圖表示的圖像顯著性檢測(cè)算法25-30
• 3.2.1 圖模型構(gòu)建26-27
• 3.2.2 圖像顯著性計(jì)算27-28
• 3.2.3 中心先驗(yàn)及邊界先驗(yàn)28-30
• 3.3 實(shí)驗(yàn)與分析30-34
• 3.3.1 實(shí)驗(yàn)設(shè)置30-31
• 3.3.2 定量分析31-33
• 3.3.3 組成成分分析33
• 3.3.4 定性分析33-34
• 3.4 本章小結(jié)34-35
• 第四章 復(fù)雜環(huán)境下融合多模態(tài)信息的圖像顯著性檢測(cè)35-45
• 4.1 前言35-36
• 4.2 融合可見(jiàn)光和熱紅外圖像信息的圖像顯著性檢測(cè)36-40
• 4.2.1 可見(jiàn)光圖像與熱紅外圖像的特征36-38
• 4.2.2 本文圖像顯著性的具體求解方法38-39
• 4.2.3 基于保邊濾波的多模態(tài)圖像顯著性求解39-40
• 4.3 實(shí)驗(yàn)與分析40-44
• 4.3.1 定量分析41-42
• 4.3.2 定性分析42-43
• 4.3.3 效率分析43-44
• 4.4 本章小結(jié)44-45
• 第五章 總結(jié)與展望45-47
• 參考文獻(xiàn)47-53
• 致謝53-54
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文54-55
• 攻讀碩士學(xué)位期間參加的科研項(xiàng)目55

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 奚惠寧;任蕊;;判斷有關(guān)醫(yī)學(xué)圖像專利申請(qǐng)是否為非授權(quán)客體[J];電視技術(shù);2013年S2期

2 韓雙旺;崔兆順;李德錄;李芙蓉;;基于閾值的彩色目標(biāo)圖像的提取與測(cè)量[J];自動(dòng)化與儀器儀表;2010年03期

3 林靜;王薇婕;關(guān)丹丹;景軍鋒;;基于浮雕圖像的3D浮雕效果實(shí)現(xiàn)[J];微型機(jī)與應(yīng)用;2012年11期

4 李敏潔;魏仲慧;何昕;;基于FPGA的多功能圖像目標(biāo)發(fā)生器的設(shè)計(jì)與實(shí)現(xiàn)[J];微計(jì)算機(jī)信息;2005年25期

5 韓雙旺;崔兆順;鮑麗紅;李德錄;;基于目標(biāo)圖像的提取與測(cè)量[J];上海工程技術(shù)大學(xué)學(xué)報(bào);2007年04期

6 劉進(jìn);孫婧;徐正全;顧鑫;;基于目標(biāo)的圖像輕量級(jí)加密[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年06期

7 于明;王倩;郭迎春;;一種圖像的顯著區(qū)域提取方法[J];光電工程;2012年08期

8 郭旭平,李在銘;圖像目標(biāo)的可視識(shí)別與智能跟蹤[J];系統(tǒng)工程與電子技術(shù);1998年08期

9 王成;張劍戈;江旭峰;章魯;;基于知識(shí)的三維核醫(yī)學(xué)圖像左心室心肌區(qū)的提取[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2007年01期

10 衛(wèi)穎奇;彭進(jìn)業(yè);張漢寧;;個(gè)性化圖像推薦及可視化研究[J];計(jì)算機(jī)工程;2011年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 張林怡;王運(yùn)鋒;王建國(guó);;分維數(shù)在SAR圖像海岸線檢測(cè)中的應(yīng)用研究[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

2 李吉成;魯新平;楊衛(wèi)平;張志龍;高穎慧;沈振康;;圖像目標(biāo)的自動(dòng)識(shí)別和快速篩選技術(shù)[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

3 佘二永;;SAR圖像目標(biāo)解譯技術(shù)分析[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅰ[C];2011年

4 趙朝杰;朱虹;黎璐;董敏;袁承興;;基于內(nèi)容感知的圖像非等比例縮放[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

5 奚惠寧;;淺談?dòng)嘘P(guān)醫(yī)學(xué)圖像的專利申請(qǐng)如何判斷是否是非授權(quán)客體[A];2013年中華全國(guó)專利代理人協(xié)會(huì)年會(huì)暨第四屆知識(shí)產(chǎn)權(quán)論壇論文匯編第二部分[C];2013年

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

1 鄧劍勛;多示例圖像檢索算法研究及在人臉識(shí)別中的應(yīng)用[D];重慶大學(xué);2012年

2 王亮申;圖像特征提取及基于內(nèi)容圖像數(shù)據(jù)庫(kù)檢索理論和方法研究[D];大連理工大學(xué);2002年

3 魏波;點(diǎn)時(shí)空約束圖像目標(biāo)跟蹤理論與實(shí)時(shí)實(shí)現(xiàn)技術(shù)研究[D];電子科技大學(xué);2000年

4 劉俊;基于鉬靶圖像的計(jì)算機(jī)輔助乳腺癌檢測(cè)系統(tǒng)中關(guān)鍵技術(shù)研究[D];武漢科技大學(xué);2012年

5 付華柱;圖像協(xié)同關(guān)聯(lián)性約束的研究與應(yīng)用[D];天津大學(xué);2013年

6 廖宜濤;基于圖像與光譜信息的豬肉品質(zhì)在線無(wú)損檢測(cè)研究[D];浙江大學(xué);2011年

7 陳海林;基于判別學(xué)習(xí)的圖像目標(biāo)分類研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

8 王洪元;圖像動(dòng)態(tài)分析中的若干智能化方法研究[D];南京理工大學(xué);2004年

9 徐麗;面向圖像標(biāo)記的條件隨機(jī)場(chǎng)模型研究[D];長(zhǎng)安大學(xué);2013年

10 江志偉;基于內(nèi)容的WEB圖像過(guò)濾技術(shù)研究[D];浙江大學(xué);2007年

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

1 徐衍魯;基于改進(jìn)的K-means和層次聚類方法的詞袋模型研究[D];上海師范大學(xué);2015年

2 甘洪涌;SAR圖像自動(dòng)目標(biāo)識(shí)別算法研究[D];哈爾濱理工大學(xué);2014年

3 張玉營(yíng);基于認(rèn)知理論的高分辨率PolSAR圖像目標(biāo)解譯算法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 王帥;視頻中扇貝圖像的檢測(cè)與定位研究[D];大連海洋大學(xué);2015年

5 李偉;改進(jìn)的主顏色提取方法及自適應(yīng)權(quán)重圖像檢索算法研究[D];華中師范大學(xué);2015年

6 李星云;碼垛機(jī)器人視覺(jué)控制關(guān)鍵技術(shù)的研究[D];西南科技大學(xué);2015年

7 梁，

本文編號(hào)：853388