近年來(lái)機(jī)器視覺(jué)在社會(huì)生活不同工程領(lǐng)域中得到廣泛應(yīng)用,而圖像分割作為機(jī)器視覺(jué)的重要組成部分,對(duì)工程實(shí)際應(yīng)用的精確性和可靠性有著決定性的影響。本文以提升圖像分割的準(zhǔn)確性為目的,通過(guò)學(xué)習(xí)研究圖像顯著目標(biāo)分割算法,并以此為基礎(chǔ)進(jìn)行改進(jìn)而提出了兩種新的圖像分割方法。1.針對(duì)現(xiàn)有自底向上的貝葉斯底層中層特征聚類（LMLC）和圖模型流行排序（GMR）圖像顯著目標(biāo)分割算法,在面對(duì)復(fù)雜場(chǎng)景圖像時(shí),存在背景錯(cuò)誤突顯的問(wèn)題,本文提出結(jié)合稀疏重構(gòu)與能量方程優(yōu)化的圖像顯著目標(biāo)分割算法。首先利用簡(jiǎn)單線性迭代聚類SLIC算法將輸入圖像分割為超像素以去除不必要的細(xì)節(jié);然后選取圖像邊界超像素作為背景模板,以此構(gòu)建稀疏字典進(jìn)行稀疏重構(gòu)計(jì)算重構(gòu)誤差,并作為超像素的初始顯著值;最后利用圖論模型流行排序能量方程所構(gòu)造的目標(biāo)函數(shù)對(duì)初始顯著值優(yōu)化,對(duì)優(yōu)化后的結(jié)果進(jìn)行前景增強(qiáng)得到最終顯著圖,進(jìn)一步分割后便得到圖像目標(biāo)。將提出的算法與其他多種同類算法進(jìn)行測(cè)試和對(duì)比,實(shí)驗(yàn)結(jié)果表明:提出的算法在復(fù)雜場(chǎng)景圖像的顯著目標(biāo)分割中魯棒性更好,能夠?qū)Ρ尘斑M(jìn)行更有效的抑制,分割得到的圖像目標(biāo)也更加精確。2.通過(guò)圖像演繹實(shí)驗(yàn)測(cè)試對(duì)比,本文發(fā)現(xiàn)現(xiàn)有自頂向... 

【文章來(lái)源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

自然場(chǎng)景機(jī)器視覺(jué)就是利用機(jī)器設(shè)備對(duì)圖像信息進(jìn)行處理，以機(jī)器代替人眼和大腦的部分功

圖 1-2 圖像顯著目標(biāo)分割算法流(b)顯著目標(biāo)檢測(cè)圖 (c)閾值分割 圖 1-3 圖像顯著目標(biāo)分割示例性檢測(cè)中的一類模型，顯著點(diǎn)關(guān)注某一點(diǎn)區(qū)域，而顯著目標(biāo)的正確分割提取有重大幾十年的發(fā)展，逐漸從最開目標(biāo)為重點(diǎn)的檢測(cè)，并且旨當(dāng)今顯著性檢測(cè)領(lǐng)域應(yīng)用于領(lǐng)域，視覺(jué)顯著性就被研究漸發(fā)展成熟，視覺(jué)顯著性理

西南交通大學(xué)碩士研究生學(xué)位論文 圖，隨后將其閾值分割突顯顯著目標(biāo)，再進(jìn)一步進(jìn)行顯著目標(biāo)分割提取便得。由于在圖像顯著目標(biāo)分割算法流程中，顯著目標(biāo)檢測(cè)最為關(guān)鍵，包含了主算量，決定了最終圖像目標(biāo)分割質(zhì)量的好壞，也是近年眾多研究人員學(xué)習(xí)探所以本小節(jié)就主要敘述關(guān)于顯著目標(biāo)檢測(cè)的研究發(fā)展現(xiàn)狀。輸入圖像顯著目標(biāo)檢測(cè)顯著圖閾值分割目標(biāo)分割結(jié)果圖 1-2 圖像顯著目標(biāo)分割算法流程


本文編號(hào)：3002707