隨著互聯(lián)網(wǎng)技術(shù)和數(shù)字多媒體技術(shù)的快速發(fā)展,每天都會產(chǎn)生海量的圖像數(shù)據(jù),由于人類的視覺系統(tǒng)具有快速定位圖像中顯著性目標的能力,進而對圖像中的感興趣區(qū)域進行快速處理。顯著性目標檢測就是模仿人類視覺系統(tǒng)的工作機制,對圖像中的顯著區(qū)域進行迅速定位,并作為后續(xù)高級任務(wù)的預處理步驟。因此,研究顯著性目標檢測受到越來越多研究學者的關(guān)注。針對于目前顯著性目標檢測方法存在的局限和不足,本文通過融合不同檢測原理的弱顯著性檢測方法,得到對圖像顯著性目標的強估計,檢測結(jié)果更準確而且適用性更好。本文的主要內(nèi)容及貢獻如下:1、提出了一種基于協(xié)同顯著性的單圖像顯著性目標檢測算法。首先對待檢測圖像進行超像素分割,并用多種弱顯著性檢測算法對待檢測圖像進行顯著性檢測,獲得多幅顯著性檢測圖;然后根據(jù)多幅弱顯著性圖和超像素分割結(jié)果獲取超像素塊的特征矩陣,進而通過能量函數(shù)得到每個超像素塊的顯著性值;最后通過超像素塊顯著性值和閾值比較選取種子點,根據(jù)待檢測圖像像素點之間的關(guān)系建立權(quán)重矩陣,并構(gòu)建游走方程,在種子點游走后得到其它非種子點的顯著性值,獲得最終的顯著性結(jié)果圖。實驗表明,該方法能夠更準確地檢測出圖像中的顯著性目標,而且在...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 視覺顯著性的研究現(xiàn)狀
        1.2.2 顯著性目標檢測的研究現(xiàn)狀
        1.2.3 協(xié)同顯著性目標檢測的研究現(xiàn)狀
    1.3 本論文的主要工作和章節(jié)安排
第二章 顯著性目標檢測的理論知識
    2.1 圖像顯著性特征
    2.2 顯著性計算原理
    2.3 典型的圖像顯著性檢測算法
        2.3.1 ITTI算法
        2.3.2 SR算法
        2.3.3 MSSS算法
        2.3.4 基于上下文的檢測算法
        2.3.5 基于背景先驗的檢測算法
    2.4 本章小結(jié)
第三章 基于協(xié)同顯著性的單圖像顯著性目標檢測
    3.1 引言
    3.2 整體算法框架介紹
    3.3 超像素分割
    3.4 能量函數(shù)
    3.5 隨機游走
    3.6 測試數(shù)據(jù)集與評估指標
        3.6.1 常用的測試數(shù)據(jù)集
        3.6.2 常用的評估指標
    3.7 實驗和結(jié)果分析
    3.8 本章小結(jié)
第四章 基于協(xié)同顯著性的多圖像共顯著性目標檢測
    4.1 引言
    4.2 整體算法框架介紹
    4.3 圖像間K-means聚類
    4.4 計算3種圖像間線索
    4.5 初始顯著性圖加權(quán)優(yōu)化
    4.6 測試數(shù)據(jù)集與評估指標
        4.6.1 常用的測試數(shù)據(jù)集
        4.6.2 常用的評估指標
    4.7 算法測試與分析
    4.8 本章小結(jié)
第五章 總結(jié)和展望
    5.1 本文工作總結(jié)
    5.2 研究展望
參考文獻
致謝
作者簡介



本文編號：3764957