隨著計(jì)算機(jī)信息技術(shù)的發(fā)展,各種海量的圖片、視頻作為溝通交流的載體成為重要的信息表現(xiàn)方式。神經(jīng)生物學(xué)學(xué)者發(fā)現(xiàn)在面對(duì)這些海量信息時(shí)人類(lèi)視覺(jué)系統(tǒng)能夠快速和自適應(yīng)地篩選出場(chǎng)景中的感興趣目標(biāo),對(duì)它們集中處理。這就是人類(lèi)視覺(jué)系統(tǒng)的選擇注意機(jī)制,而人類(lèi)的感興趣目標(biāo)就是顯著性區(qū)域。由此,將人類(lèi)視覺(jué)系統(tǒng)快速篩選感興趣目標(biāo)的能力用在計(jì)算機(jī)上,使計(jì)算機(jī)能夠自適應(yīng)理解并處理視頻。近幾年,基于時(shí)空的顯著性檢測(cè)發(fā)展很快,但還處于初級(jí)階段,現(xiàn)有的時(shí)空顯著性檢測(cè)方法得到的顯著圖背景冗余信息較多,細(xì)節(jié)信息不夠明顯,并且對(duì)于不同運(yùn)動(dòng)模式的場(chǎng)景適應(yīng)性較差,為了解決這些問(wèn)題,本文深入研究現(xiàn)有的時(shí)空顯著性檢測(cè)算法,具體工作內(nèi)容如下:首先,提出了一種基于低水平顯著性融合和測(cè)地線的視頻顯著性檢測(cè)方法,分別提取時(shí)空邊緣顯著圖和平滑的空間顏色顯著圖,將它們進(jìn)行融合,得到低水平的時(shí)空顯著圖,通過(guò)后續(xù)幀到背景區(qū)域的測(cè)地線距離得到高精度時(shí)空顯著圖。選擇SegTrack V1、SegTrack V2和ViSal作為實(shí)驗(yàn)數(shù)據(jù)集,和其他11種近幾年算法做實(shí)驗(yàn)對(duì)比,主觀結(jié)果表明本文算法很好地消除了背景冗余信息,同時(shí)邊緣信息和內(nèi)部細(xì)節(jié)信息也更加清楚,... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

視覺(jué)特征圖

碩士學(xué)位論文 第 2 章統(tǒng)以并行的方式從視覺(jué)信息中提取顏色、亮度、方向、尺征。在特征整合階段，將這些獨(dú)立分離的特征按照串行的成某一物體的表征，然后利用集中性注意確定表征的邊緣

感受的另外一種選擇，CIELab 顏色空間由亮度 L (Luminosity)和與色彩有關(guān)的 a、b三個(gè)元素組成。其中，亮度 L 的取值范圍是[0,100]，當(dāng) L 為 0 時(shí)，表示純黑，為 100時(shí)，表示純白，黑色和白色之間的亮度值由[0，100]范圍內(nèi)的其他數(shù)值表示。a 的范圍是[127, 128]，其中-128 表示綠色，+127 表示紅色。同理，b 的區(qū)間大小是[127, 128]，且-128 代表藍(lán)色，+127 代表黃色。L、a、b 這三個(gè)分量相互變化組合構(gòu)成 Lab 空間的所有顏色。視覺(jué)系統(tǒng)更能受到明亮物體的刺激，因此計(jì)算顯著性時(shí)也可以采用亮度特征，它是通過(guò)計(jì)算 RGB 顏色空間三個(gè)通道的平均值得到的。圖2.4 所示為 3 幅初級(jí)視覺(jué)特征示意圖，由于人類(lèi)視覺(jué)注意機(jī)制的存在，我們會(huì)很快將注意力集中到最吸引人的區(qū)域，在這 3 幅圖像中，我們注意的焦點(diǎn)分別是(a)紅色的棱形；(b)右上角方向的黑線段；(c)最中間淡藍(lán)色的圓。圖 2.4(a)中的視覺(jué)差異是顏色，圖 2.4(b)中的視覺(jué)差異是方向，圖 2.4(c)中的視覺(jué)差異是亮度，顏色、方向、亮度都是初級(jí)視覺(jué)特征。

【參考文獻(xiàn)】：
期刊論文
[1]基于顏色和運(yùn)動(dòng)空間分布的時(shí)空顯著性區(qū)域檢測(cè)算法[J]. 鄭云飛,張雄偉,曹鐵勇,楊吉斌.  計(jì)算機(jī)應(yīng)用研究. 2017(07)



本文編號(hào)：3494102