隨著多媒體圖像處理技術(shù)的進(jìn)步和發(fā)展,圖像數(shù)據(jù)快速的增長(zhǎng),如何高效地從這龐大的圖像數(shù)據(jù)中提取出人們感興趣且有價(jià)值的信息,并有效地濾除掉過(guò)多的冗余數(shù)據(jù)成為了目前圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域亟待解決的問(wèn)題。近年來(lái),視覺(jué)顯著性檢測(cè)作為計(jì)算機(jī)視覺(jué)中的重要分支之一,能夠輔助并改善一系列的視覺(jué)處理任務(wù),已經(jīng)被廣泛地應(yīng)用到了場(chǎng)景分類(lèi)、視覺(jué)跟蹤、目標(biāo)重定向、語(yǔ)義分割等眾多領(lǐng)域中,成為了一個(gè)炙手可熱的研究課題。雖然在特定測(cè)試數(shù)據(jù)集以及簡(jiǎn)單場(chǎng)景下,對(duì)于單模態(tài)圖像顯著性檢測(cè)的研究已經(jīng)達(dá)到了很高的水平,但是由于其算法缺乏泛化性,在圖像光照條件差、惡劣天氣、顏色相近以及圖像包含噪聲等復(fù)雜場(chǎng)景下的顯著性檢測(cè)精度仍有待提高。近年來(lái),由于各種成像技術(shù)的不斷成熟,其他類(lèi)型的光譜成像獲取的數(shù)據(jù)越來(lái)越多（其中熱紅外圖像就對(duì)光照不敏感）,使得相關(guān)領(lǐng)域的科研人員開(kāi)始嘗試融合多個(gè)不同但互補(bǔ)的多模態(tài)信息,如可見(jiàn)光和熱紅外信息（RGB-T）,這在一定程度上提升了顯著性檢測(cè)的精度和魯棒性。因此,本文將圍繞圖像顯著性檢測(cè)及多模態(tài)圖像顯著性檢測(cè)展開(kāi)研究,具體來(lái)說(shuō),我們的主要工作如下:（1）傳統(tǒng)的關(guān)于顯著性的研究立足于對(duì)圖像的結(jié)構(gòu)劃分并且構(gòu)建圖模... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像顯著

安徽大學(xué)碩士學(xué)位論文9第二章圖像顯著性檢測(cè)相關(guān)方法人類(lèi)的視覺(jué)注意機(jī)制可以將有限的認(rèn)知資源集中到圖像中重要的信息上而對(duì)那些不重要的信息進(jìn)行抑制。在過(guò)去的幾十年里，以認(rèn)知神經(jīng)學(xué)為主導(dǎo)的視覺(jué)顯著性在多個(gè)相關(guān)領(lǐng)域得到了廣泛的研究和發(fā)展，例如：目標(biāo)重定位，目標(biāo)識(shí)別與檢測(cè)，場(chǎng)景分割等。本章的主要內(nèi)容包括：通用顯著性檢測(cè)流程簡(jiǎn)介、圖論與圖學(xué)習(xí)簡(jiǎn)介、多模態(tài)圖像顯著性檢測(cè)簡(jiǎn)介。2.1通用顯著性檢測(cè)流程在計(jì)算機(jī)視覺(jué)領(lǐng)域中，從自頂向下的圖像顯著性檢測(cè)模型的角度來(lái)看，顯著性檢測(cè)的過(guò)程可分為特征提娶特征分類(lèi)和顯著圖生成三個(gè)階段，圖2.1展示了顯著性檢測(cè)算法的基本流程。圖2.1顯著性檢測(cè)算法的基本流程通俗來(lái)說(shuō)，特征提取第一步要做的就是圖像數(shù)字化轉(zhuǎn)變。這樣就能成為計(jì)算機(jī)辨識(shí)與還原的對(duì)象，經(jīng)過(guò)數(shù)字化后的圖像本質(zhì)上就是一個(gè)多維矩陣，例如常見(jiàn)的RGB圖像其實(shí)可以理解為3個(gè)寬高固定的二維矩陣的疊加。圖像中每個(gè)像素點(diǎn)的顏色信息都可以用矩陣的每個(gè)元素來(lái)表示，特征提取就是獲得相鄰或相似集合上像素點(diǎn)之間的描述關(guān)系，特征分類(lèi)就是將圖像中有用的信息（顯著區(qū)域信息）與冗余的信息分離開(kāi)來(lái)，最后將分類(lèi)信息通過(guò)二值化的方式生成顯著圖。下面我們將詳細(xì)介紹圖像的底層特征以及圖像特征提取的相關(guān)方法。2.1.1圖像底層特征眾所周知，計(jì)算機(jī)只能識(shí)別數(shù)字，對(duì)圖像并不能識(shí)別，為了讓計(jì)算機(jī)擁有相應(yīng)的“視覺(jué)”功能，能夠真正的“認(rèn)識(shí)”圖像。在本章中，我們將研究如何快速地提取圖像中最有價(jià)值的信息或者數(shù)據(jù)，并將其進(jìn)行“非圖像”表示或者描述，譬如向量以及數(shù)值等。這種過(guò)程就是所謂的特征提取，這些向量或者數(shù)值就是所謂的圖像特征。在獲得這些特

單模態(tài)與多模態(tài)顯著性檢測(cè)結(jié)果的視覺(jué)對(duì)比


本文編號(hào)：3062600