協(xié)同顯著性目標檢測是計算機視覺和多媒體領域中一個重要的研究課題,已廣泛應用于計算機視覺領域。協(xié)同顯著性目標檢測的任務是從一組相關圖像中自動定位公共的顯著目標或區(qū)域。協(xié)同顯著性目標檢測任務的主要挑戰(zhàn)是如何利用圖像內(nèi)和圖像間的相關信息檢測出具有相同前景的區(qū)域。本文針對協(xié)同顯著性目標檢測任務在機器學習和深度學習領域做了探討,用圖構建學習、多圖學習、圖卷積神經(jīng)網(wǎng)絡、標簽傳播等方面技術解決協(xié)同顯著性目標檢測問題。第一,提出了一種關于協(xié)同顯著性目標檢測統(tǒng)一能量優(yōu)化模型。所提出的模型將圖像的結構信息、圖像的前景背景先驗、圖像的線性特征集成在一起,獲得魯棒準確的圖像協(xié)同顯著性目標。統(tǒng)一能量優(yōu)化模型的主要優(yōu)點是它可以通過標簽傳播,線性投影和背景/前景先驗正則化,為提取圖像內(nèi)和圖像間的相關信息提供了一種有效的方法進行協(xié)同顯著性目標檢測。提出了一種有效的算法獲得模型的全局最優(yōu)解。實驗表明,在兩個廣泛使用的基準數(shù)據(jù)集上,統(tǒng)一能量優(yōu)化模型具有較好的性能。第二,針對協(xié)同顯著性目標檢測問題提出自適應圖學習優(yōu)化模型。所提出的模型除了背景和前景先驗正則化、圖像的結構信息和多個圖像特征的線性整合,此外,還根據(jù)圖像特征預測... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

圖模型的構架：黃線表示連接的邊Fig3.1Illustrationoftheproposedgraphmodel:theyellowlinesdemonstratesomeexamplesoftheedgeconnections

第三章基于圖學習與能量優(yōu)化模型的協(xié)同顯著性目標檢測18圖3.2對比方法在iCoseg數(shù)據(jù)集評估Fig3.2ComparisonmethodoniCosegdataset圖3.3對比方法在MSRC數(shù)據(jù)集評估Fig3.3ComparisonmethodonMSRCdataset

第三章基于圖學習與能量優(yōu)化模型的協(xié)同顯著性目標檢測18圖3.2對比方法在iCoseg數(shù)據(jù)集評估Fig3.2ComparisonmethodoniCosegdataset圖3.3對比方法在MSRC數(shù)據(jù)集評估Fig3.3ComparisonmethodonMSRCdataset

【參考文獻】：
期刊論文
[1]特征融合和多重約束的協(xié)同顯著性檢測[J]. 金志剛,李靜昆.  計算機輔助設計與圖形學學報. 2019(09)
[2]基于對象性和多層線性模型的協(xié)同顯著性檢測[J]. 金志剛,李靜昆.  光學精密工程. 2019(08)
[3]協(xié)同視覺顯著性檢測方法綜述[J]. 錢曉亮,白臻,陳淵,張鼎文,史坤峰,王芳,吳青娥,毋媛媛,王慰.  電子學報. 2019(06)

碩士論文
[1]視覺協(xié)同顯著性目標檢測算法研究[D]. 鄧浩海.蘭州理工大學 2016
[2]基于多示例學習的群組圖像協(xié)同顯著性分析[D]. 邢妍妍.北京交通大學 2016



本文編號：3575703