隨著移動電子設(shè)備的不斷升級與應(yīng)用,使用圖像來記錄或表達信息已成為一種常態(tài)。我們要想快速地在海量圖像中提取出有價值的信息,那么需要模擬人類視覺系統(tǒng)在機器視覺系統(tǒng)進行計算機視覺熱點問題的研究。圖像顯著性目標(biāo)檢測對圖像中最引人注意且最能表征圖像內(nèi)容的部分進行檢測。在圖像顯著性目標(biāo)檢測任務(wù)中,傳統(tǒng)的方法一般利用紋理、顏色等低層級視覺信息自下向上地進行數(shù)據(jù)驅(qū)動式檢測。對于含有單一目標(biāo)或高對比度的自然場景圖像,可以從多個角度去挖掘其顯著性信息,如先驗知識、誤差重構(gòu)等。然而,對于那些具有挑戰(zhàn)性的自然場景圖像,如復(fù)雜的背景、低對比度等,傳統(tǒng)的方法通常會檢測失敗。基于深度卷積神經(jīng)網(wǎng)絡(luò)的算法利用高層級語義信息結(jié)合上下文充分挖掘潛在的細節(jié),相較于傳統(tǒng)的方法已取得了更優(yōu)越的顯著性檢測性能。本文對于圖像顯著性檢測任務(wù)存在的主要問題提出了相應(yīng)的解決方法。本文的主要貢獻如下:為充分挖掘圖像多種顯著性信息,并使其能夠達到優(yōu)勢互補效果,本文提出了一種有效的模型,即融合先驗信息和重構(gòu)信息的顯著性目標(biāo)檢測模型。重構(gòu)過程包括密度重構(gòu)策略與稀疏重構(gòu)策略。密度重構(gòu)其優(yōu)勢在于能夠更準(zhǔn)確地定位存在于圖像邊緣的顯著性物體。而稀疏重構(gòu)更... 

【文章來源】：山東大學(xué)山東省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的結(jié)構(gòu)安排
第二章 融合重構(gòu)和先驗的顯著性目標(biāo)檢測模型
    2.1 引言
    2.2 重構(gòu)算法
        2.2.1 密度重構(gòu)
        2.2.2 稀疏重構(gòu)
    2.3 先驗算法
        2.3.1 背景先驗
        2.3.2 中心先驗
    2.4 融合重構(gòu)和先驗的顯著性目標(biāo)檢測模型
    2.5 實驗結(jié)果與分析
    2.6 本章小結(jié)
第三章 基于多層級連續(xù)特征細化的深度顯著性目標(biāo)檢測模型
    3.1 引言
    3.2 多層級連續(xù)特征提取
    3.3 分層邊界細化
    3.4 初始顯著性特征融合
    3.5 網(wǎng)絡(luò)訓(xùn)練與實施細節(jié)
    3.6 實驗結(jié)果與分析
    3.7 本章小結(jié)
第四章 基于通道分層特征響應(yīng)的深度顯著性目標(biāo)檢測模型
    4.1 引言
    4.2 通道粗特征提取
    4.3 通道分層特征細化
    4.4 分層特征圖融合
    4.5 網(wǎng)路訓(xùn)練與實施細節(jié)
    4.6 實驗結(jié)果與分析
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
學(xué)位論文評閱及答辯情況表



本文編號：3629868