發(fā)布時間：2021-04-08 08:41

　　基于RGBT顯著性檢測目前已成為計(jì)算機(jī)視覺領(lǐng)域的熱點(diǎn)課題。通過融合可見光（RGB）和熱紅外（T）光譜信息,RGBT顯著性檢測可以有效克服單模態(tài)成像受限而導(dǎo)致的挑戰(zhàn)因素。如低照度、惡劣天氣等。近年來,研究學(xué)者提出了基于圖模型和深度特征融合的RGBT顯著性檢測方法,極大的提高了檢測性能,但大部分方法沒有充分挖掘可見光與熱紅外數(shù)據(jù)的本質(zhì)聯(lián)系。本文通過融合可見光和熱紅外數(shù)據(jù),在建立不同模態(tài)間的本質(zhì)聯(lián)系方面,提出了一種基于種子點(diǎn)優(yōu)化排序模型以及一種新型協(xié)同排序模型的RGBT圖像顯著性檢測算法。本文主要工作包括:第一,提出了種子點(diǎn)優(yōu)化排序模型。為了克服光照條件和惡劣天氣等環(huán)境因素對顯著性檢測的影響,圖像噪聲問題以及目標(biāo)接近邊界而難以檢測等問題,本文在傳統(tǒng)流形排序方法的基礎(chǔ)上,提出了一種基于種子點(diǎn)優(yōu)化排序模型的RGBT顯著性檢測方法。首先,利用超像素分割算法對給定的RGBT圖像對進(jìn)行分割,得到超像素圖,以超像素結(jié)點(diǎn)作為圖結(jié)點(diǎn),構(gòu)造圖模型,并引入跨模態(tài)一致性約束對模態(tài)協(xié)同關(guān)系建模,通過快速優(yōu)化算法進(jìn)行顯著值計(jì)算。其次,為了處理圖像噪聲問題,本文引入中間變量優(yōu)化排序種子點(diǎn),并將其轉(zhuǎn)化為稀疏學(xué)習(xí)問題。最后... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

熱紅外數(shù)據(jù)在惡劣環(huán)境下的優(yōu)勢Figure1.1Theadvantagesofthermalinfrareddatainharshenvironments

安徽大學(xué)碩士學(xué)位論文11圖2.1VT821數(shù)據(jù)集挑戰(zhàn)性結(jié)果示例Figure2.1SampleimagepairswithannotatedgroundtruthsandchallengesfromVT821RGBTdataset圖2.2VT1000數(shù)據(jù)集挑戰(zhàn)性結(jié)果示例Figure2.2SampleimagepairswithannotatedgroundtruthsandchallengesfromVT1000RGBTdataset

安徽大學(xué)碩士學(xué)位論文11圖2.1VT821數(shù)據(jù)集挑戰(zhàn)性結(jié)果示例Figure2.1SampleimagepairswithannotatedgroundtruthsandchallengesfromVT821RGBTdataset圖2.2VT1000數(shù)據(jù)集挑戰(zhàn)性結(jié)果示例Figure2.2SampleimagepairswithannotatedgroundtruthsandchallengesfromVT1000RGBTdataset

【參考文獻(xiàn)】：
碩士論文
[1]基于稀疏表示模型的熱紅外與可見光圖像融合研究[D]. 李海超.安徽大學(xué) 2016



本文編號：3125239