顯著目標是人類利用視覺,從復雜生活場景中快速地提取最突出最重要的物體,即與人的視覺相比,計算機的視覺檢測還存在更大的挑戰(zhàn)性。當前計算機視覺檢測的經(jīng)典算法和深度學習算法在圖像顯著性目標檢測領(lǐng)域仍然存在亟需解決的問題,如對于暗圖像或前景與背景顏色接近圖像的顯著性目標檢測不完整、細節(jié)模糊或目標邊界不清晰。針對上述問題,提出一種基于馬爾可夫吸收鏈的顯著性檢測方法。首先,拉伸相鄰像素的對比度,根據(jù)全局的相鄰像素對比度,來制定最優(yōu)函數(shù)增強圖像對比度,用以擴大前景與背景的差異,突出完整的顯著性目標;其次,在圖像中添加不同程度的高頻分量,利用高斯差分和角點檢測提升圖像細節(jié);然后,構(gòu)建串聯(lián)和并聯(lián)濾波器,對圖像進行權(quán)重自適應的多結(jié)構(gòu)形態(tài)學處理,使目標邊界清晰、曲線平滑;最后,在超像素圖像上構(gòu)建雙向馬爾可夫吸收鏈,生成前景先驗與背景先驗的顯著圖,通過測地線距離的方法融合兩種顯著圖并生成最終顯著圖。采用MSRA10K數(shù)據(jù)集和ECSSD數(shù)據(jù)集,與當前較流行的9種顯著性目標檢測算法進行比較,實驗結(jié)果表明,本文方法的最終顯著圖可以突出前景、抑制雜亂的背景,并且顯著性目標完整、圖像細節(jié)清晰、邊界平滑連續(xù),在準確率和召...

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要工作與章節(jié)安排
2 顯著性目標檢測方法的相關(guān)理論
    2.1 經(jīng)典的顯著性檢測方法
    2.2 基于馬爾可夫鏈的顯著性檢測方法
    2.3 基于直方圖均衡化算法
    2.4 基于Retinex的圖像增強算法
    2.5 圖像數(shù)學形態(tài)學
    2.6 本章小結(jié)
3 基于馬爾可夫吸收鏈的顯著性目標檢測方法
    3.1 基于馬爾可夫吸收鏈的顯著性目標檢測模型
    3.2 雙目標對比度增強技術(shù)
    3.3 多尺度圖像細節(jié)提升技術(shù)
    3.4 自適應形態(tài)學
    3.5 基于簡單線性迭代聚類算法
    3.6 基于雙向馬爾可夫吸收鏈的顯著性檢測方法
    3.7 測地線距離優(yōu)化
    3.8 本章小結(jié)
4 實驗及結(jié)果分析
    4.1 實驗數(shù)據(jù)集和評價方法
    4.2 實驗結(jié)果比較與分析
    4.3 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻
作者簡歷
學位論文數(shù)據(jù)集



本文編號：3792721