人類視覺注意力機制研究表明,視覺場景中的不同對象對人類具有不同的吸引程度。如何通過計算機模擬人類的視覺特點,提取圖像中的感興趣的區(qū)域,即顯著區(qū)域,是顯著性檢測的基本問題。圖像顯著性研究的主要任務(wù)是讓計算機視覺系統(tǒng)能夠模擬人類的視覺能力去準確地檢測圖像中的顯著區(qū)域。近年來,圖像顯著性研究受到業(yè)界的廣泛關(guān)注。各種顯著性檢測方法被相繼提出,然而現(xiàn)有工作大多局限于處理單幅圖像中的獨立顯著目標。在實際生活中,人們感興趣的目標往往是一組圖像中共同的前景物體或同類的物體。因此人們需要結(jié)合圖像組中的上下文信息才能確定感興趣的目標。如何從一組圖像中檢測出各圖像共同的顯著目標,是協(xié)同顯著性檢測的基本任務(wù)。在圖像協(xié)同顯著性檢測方向上雖然已經(jīng)開展了大量的研究工作,然而實際場景受到光照、視角、遮擋、形變等復(fù)雜環(huán)境的影響,共同顯著目標的外觀具有不確定性,增加了協(xié)同顯著性檢測的難度。因此現(xiàn)有方法在協(xié)同顯著性檢測上的性能仍然不夠理想,亟待研究更為有效的圖像協(xié)同顯著性檢測方法。本文對圖像協(xié)同顯著性檢測方法進行了系統(tǒng)深入的研究,主要工作內(nèi)容及創(chuàng)新點總結(jié)歸納如下:1、提出了一種綜合超圖優(yōu)化與種子傳播的無監(jiān)督協(xié)同顯著性檢測方... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：98 頁

【學(xué)位級別】：博士

【部分圖文】：

百度日庫實例

雜－也：．一——少??．飛喝＇．＇一＾??圖１．４前背景混清示意圖??釋■畫??ｉＳＰ＇ｉａｓ?＾ＨＨｌ??Ｈｉｇｈ－ｌｅｖｅｌ?ｆｅａｔｕｒｅ?＞?Ｌｏｗ－ｌｅｖｅｔ?ｆｅａｔｕｒｅ?Ｌｏｗ?ｌｅｖｅｌ?ｆｅａｔｕｒｅ?＞?Ｈｔｇｈ?ｌｅｖｅＪ?ｆｅａｔｕｒｅ??（ａ）?（ｂ）??圖１．５協(xié)同顯著性檢測不同的案例對應(yīng)特征的重要性不同??見，能夠突出共同顯著目標的特征表達與給定圖像組的內(nèi)容密切相關(guān)，不同的圖??像組所需要的特征類型是不盡相同的，固定的特征類型對于所有場景并不是魯??棒的。目前還沒有關(guān)于根據(jù)給定圖像組的特定內(nèi)容選擇適當特征的工作，因此我??們認為這是未來的一個值得研究并具有挑戰(zhàn)性方向。為了解決這個問題，本文提??出一種新穎的特征自適應(yīng)選擇的半監(jiān)督協(xié)同顯著性檢測方法，有效的學(xué)習(xí)到了??各個任務(wù)所需的有效特征。??３、在網(wǎng)絡(luò)結(jié)構(gòu)方面：近年來，深度學(xué)習(xí)技術(shù)在計算機視覺中有廣泛的應(yīng)用，??從底層的任務(wù)（比如圖像去噪去霧）到高層的任務(wù)（比如圖像／視頻動作識別）。??深度學(xué)習(xí)技術(shù)通過多層網(wǎng)絡(luò)學(xué)習(xí)而不是依賴于手工特征獲得了更好的性能和靈??活性。受到深度學(xué)習(xí)在計算機視覺上廣泛應(yīng)用的啟發(fā)，近年來許多學(xué)者嘗試利用??深度學(xué)習(xí)技術(shù)提升協(xié)同顯著性檢測性能�，F(xiàn)存的基于深度學(xué)習(xí)的協(xié)同顯著性檢??測方法主要包括兩個策略：第一

（ａ）?（ｂ）??圖１．５協(xié)同顯著性檢測不同的案例對應(yīng)特征的重要性不同??見，能夠突出共同顯著目標的特征表達與給定圖像組的內(nèi)容密切相關(guān)，不同的圖??像組所需要的特征類型是不盡相同的，固定的特征類型對于所有場景并不是魯??棒的。目前還沒有關(guān)于根據(jù)給定圖像組的特定內(nèi)容選擇適當特征的工作，因此我??們認為這是未來的一個值得研究并具有挑戰(zhàn)性方向。為了解決這個問題，本文提??出一種新穎的特征自適應(yīng)選擇的半監(jiān)督協(xié)同顯著性檢測方法，有效的學(xué)習(xí)到了??各個任務(wù)所需的有效特征。??３、在網(wǎng)絡(luò)結(jié)構(gòu)方面：近年來，深度學(xué)習(xí)技術(shù)在計算機視覺中有廣泛的應(yīng)用，??從底層的任務(wù)（比如圖像去噪去霧）到高層的任務(wù)（比如圖像／視頻動作識別）。??深度學(xué)習(xí)技術(shù)通過多層網(wǎng)絡(luò)學(xué)習(xí)而不是依賴于手工特征獲得了更好的性能和靈??活性。受到深度學(xué)習(xí)在計算機視覺上廣泛應(yīng)用的啟發(fā)，近年來許多學(xué)者嘗試利用??深度學(xué)習(xí)技術(shù)提升協(xié)同顯著性檢測性能�，F(xiàn)存的基于深度學(xué)習(xí)的協(xié)同顯著性檢??測方法主要包括兩個策略：第一


本文編號：3066316