近年來機器視覺在社會生活不同工程領(lǐng)域中得到廣泛應用,而圖像分割作為機器視覺的重要組成部分,對工程實際應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確性為目的,通過學習研究圖像顯著目標分割算法,并以此為基礎(chǔ)進行改進而提出了兩種新的圖像分割方法。1.針對現(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）圖像顯著目標分割算法,在面對復雜場景圖像時,存在背景錯誤突顯的問題,本文提出結(jié)合稀疏重構(gòu)與能量方程優(yōu)化的圖像顯著目標分割算法。首先利用簡單線性迭代聚類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)建稀疏字典進行稀疏重構(gòu)計算重構(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)造的目標函數(shù)對初始顯著值優(yōu)化,對優(yōu)化后的結(jié)果進行前景增強得到最終顯著圖,進一步分割后便得到圖像目標。將提出的算法與其他多種同類算法進行測試和對比,實驗結(jié)果表明:提出的算法在復雜場景圖像的顯著目標分割中魯棒性更好,能夠?qū)Ρ尘斑M行更有效的抑制,分割得到的圖像目標也更加精確。2.通過圖像演繹實驗測試對比,本文發(fā)現(xiàn)現(xiàn)有自頂向... 

【文章來源】：西南交通大學四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

自然場景機器視覺就是利用機器設備對圖像信息進行處理，以機器代替人眼和大腦的部分功

圖 1-2 圖像顯著目標分割算法流(b)顯著目標檢測圖 (c)閾值分割 圖 1-3 圖像顯著目標分割示例性檢測中的一類模型，顯著點關(guān)注某一點區(qū)域，而顯著目標的正確分割提取有重大幾十年的發(fā)展，逐漸從最開目標為重點的檢測，并且旨當今顯著性檢測領(lǐng)域應用于領(lǐng)域，視覺顯著性就被研究漸發(fā)展成熟，視覺顯著性理

西南交通大學碩士研究生學位論文 圖，隨后將其閾值分割突顯顯著目標，再進一步進行顯著目標分割提取便得。由于在圖像顯著目標分割算法流程中，顯著目標檢測最為關(guān)鍵，包含了主算量，決定了最終圖像目標分割質(zhì)量的好壞，也是近年眾多研究人員學習探所以本小節(jié)就主要敘述關(guān)于顯著目標檢測的研究發(fā)展現(xiàn)狀。輸入圖像顯著目標檢測顯著圖閾值分割目標分割結(jié)果圖 1-2 圖像顯著目標分割算法流程


本文編號：3002707