隨著科技的高速發(fā)展,手機(jī)、相機(jī)、平板電腦等多媒體或智能終端設(shè)備逐漸普及,人們生活中充斥著大量的信息,需要存儲(chǔ)和分析的圖像數(shù)據(jù)規(guī)模海量增長(zhǎng),使得對(duì)視覺(jué)信息的處理變得有困難性和挑戰(zhàn)性。圖像的顯著度檢測(cè)借鑒人類(lèi)視覺(jué)注意力選擇機(jī)制,使計(jì)算機(jī)能夠提取圖像中的顯著目標(biāo),并作為其他應(yīng)用的預(yù)處理過(guò)程,具有深遠(yuǎn)的研究意義和應(yīng)用前景,在計(jì)算機(jī)視覺(jué)、圖像處理、人工智能等領(lǐng)域都有廣泛應(yīng)用并產(chǎn)生了深遠(yuǎn)影響。對(duì)于現(xiàn)有顯著度檢測(cè)模型的不足,本文以圖像拓?fù)浣Y(jié)構(gòu)為研究出發(fā)點(diǎn),從對(duì)比度和結(jié)構(gòu)連通性兩種角度分別構(gòu)建顯著度檢測(cè)模型,以增強(qiáng)檢測(cè)效果的穩(wěn)定性和準(zhǔn)確性。（1）針對(duì)現(xiàn)有模型中基于距離度量的對(duì)比度計(jì)算方法,容易忽略圖像的拓?fù)浣Y(jié)構(gòu)信息或?qū)ν負(fù)浣Y(jié)構(gòu)描述不充分從而造成檢測(cè)效果不理想的問(wèn)題,提出了一種基于流形學(xué)習(xí)的顯著度檢測(cè)模型。該模型采用流形學(xué)習(xí)中的擴(kuò)散映射方法,通過(guò)迭代過(guò)程由局部鄰域向全局進(jìn)行擴(kuò)散,在這一過(guò)程中將特征差異與拓?fù)浣Y(jié)構(gòu)融合起來(lái)得到圖像全局信息。此外,該模型提出一種平均擴(kuò)散距離來(lái)計(jì)算圖像單元之間的對(duì)比度,實(shí)驗(yàn)表明能夠有效提高顯著度檢測(cè)模型的抗噪性和魯棒性。（2）針對(duì)復(fù)雜背景圖像中由于光照變化或噪聲引起的邊緣不清晰... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 自底向上顯著度檢測(cè)模型
        1.2.2 自頂向下顯著度檢測(cè)模型
        1.2.3 自底向上與自頂向下融合模型
    1.3 本文內(nèi)容與章節(jié)安排
2 基礎(chǔ)理論概述
    2.1 流形和流形學(xué)習(xí)
        2.1.1 流形
        2.1.2 流形學(xué)習(xí)
        2.1.3 幾種常用的流形學(xué)習(xí)方法
    2.2 擴(kuò)散和擴(kuò)散模型
        2.2.1 擴(kuò)散方程
        2.2.2 擴(kuò)散模型
3 基于流形學(xué)習(xí)的顯著度檢測(cè)研究
    3.1 問(wèn)題描述
    3.2 基于擴(kuò)散映射的顯著度檢測(cè)
        3.2.1 圖模型構(gòu)建
        3.2.2 顯著度定義
        3.2.3 算法描述
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 數(shù)據(jù)集和評(píng)價(jià)準(zhǔn)則
        3.3.2 實(shí)驗(yàn)結(jié)果和分析
    3.4 本章小結(jié)
4 基于各向異性擴(kuò)散的顯著度檢測(cè)研究
    4.1 問(wèn)題描述
    4.2 基于各向異性擴(kuò)散的顯著度檢測(cè)
        4.2.1 圖模型構(gòu)建
        4.2.2 顯著度定義
        4.2.3 算法描述
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 數(shù)據(jù)集和評(píng)價(jià)標(biāo)準(zhǔn)
        4.3.2 實(shí)驗(yàn)結(jié)果和分析
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于被包圍狀態(tài)和馬爾可夫模型的顯著性檢測(cè)[J]. 陳炳才,王西寶,余超,年梅,陶鑫,潘偉民,盧志茂.  計(jì)算機(jī)科學(xué). 2018(10)
[2]基于視覺(jué)顯著性與膚色分割的人臉檢測(cè)[J]. 鮑小如,陳瑞,曹雪虹,焦良葆.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(04)
[3]基于擴(kuò)散距離的SURF特征圖像匹配算法[J]. 貢超,蔣建國(guó),齊美彬.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(04)
[4]一種改進(jìn)的擴(kuò)散映射算法[J]. 徐麗麗,閆德勤,劉彩鳳,賈洪哲.  微型機(jī)與應(yīng)用. 2015(08)
[5]基于模糊聚類(lèi)的改進(jìn)LLE算法[J]. 蘇錦旗,張文宇.  計(jì)算機(jī)與現(xiàn)代化. 2014(05)
[6]菲克定律與擴(kuò)散的熱力學(xué)理論[J]. 何龍慶,林繼成,石冰.  安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2006(04)
[7]視知覺(jué)的拓?fù)浣Y(jié)構(gòu)[J]. 陳霖,趙松年.  世界科學(xué). 1985(01)

博士論文
[1]顯著性區(qū)域檢測(cè)方法研究[D]. 楊智.華中科技大學(xué) 2015
[2]明度對(duì)比和拓?fù)浣Y(jié)構(gòu)在視知覺(jué)中的競(jìng)爭(zhēng)[D]. 夏瓊.浙江大學(xué) 2008

碩士論文
[1]基于超像素的圖像分割算法研究[D]. 王陽(yáng).蘭州理工大學(xué) 2018
[2]圖像去噪的各向異性擴(kuò)散方程研究[D]. 裴艷俠.西安理工大學(xué) 2017
[3]基于流形學(xué)習(xí)的人臉圖像識(shí)別算法改進(jìn)研究[D]. 甘航萍.貴州大學(xué) 2017
[4]基于擴(kuò)散距離的帶有表情變化的三維人臉識(shí)別[D]. 哈菁.大連理工大學(xué) 2010



本文編號(hào)：3128140