在顯著性物體檢測領域,有針對單幅圖像的顯著性物體檢測技術和針對多幅圖像的協(xié)同顯著性物體檢測技術兩個方面。這兩項技術都是利用模型或者算法使計算機自動識別并提取自然圖像中符合人類視覺特性,且吸引人類視覺注意的區(qū)域,并形成顯著性/協(xié)同顯著性圖的技術。前者旨在針對單幅圖像的顯著性區(qū)域,后者則是提取一組圖像中共同存在且能夠吸引人類視覺注意的區(qū)域,這兩項技術是計算機視覺中的一項重要研究課題。近年來,由于顯著性物體檢測在圖像分割、圖像檢索等方面以及協(xié)同顯著性物體檢測在協(xié)同分割、前景注解、圖像重定向等方面有著越來越廣泛應用,顯著性和協(xié)同顯著性物體檢測引起了越來越多學者的重視,提出了一系列具有啟發(fā)性的顯著性和協(xié)同顯著性物體檢測算法。但是,現(xiàn)存的顯著性和協(xié)同顯著性物體檢測算法普遍存在當被檢測圖像背景復雜、前景和背景對比度不高或圖像中存在多個顯著性物體時,檢測得到的顯著性物體不完整、邊界不清晰以及誤將背景作為顯著性物體檢測出來等問題。針對這些問題,本文提出了基于超圖和隨機游走的顯著性和協(xié)同顯著性物體檢測算法,并設計開發(fā)基于超圖和隨機游走的協(xié)同顯著性物體檢測系統(tǒng)。(1)在基于超圖和隨機游走的顯著性物體檢測算法...

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀分析
    1.3 本文研究內容
    1.4 論文結構安排
第2章 基于超圖的顯著性物體檢測領域的相關技術
    2.1 視覺注意機制模型
    2.2 圖像特征
        2.2.1 顏色特征
        2.2.2 空間特征
        2.2.3 紋理特征
        2.2.4 形狀特征
    2.3 超像素分割算法
    2.4 超圖模型
    2.5 隨機游走
    2.6 數(shù)據(jù)集及評價指標
        2.6.1 數(shù)據(jù)集
        2.6.2 評價指標
    2.7 本章小結
第3章 基于超圖和隨機游走的顯著性物體檢測
    3.1 超像素分割
    3.2 構建超圖模型
        3.2.1 構建普通超圖模型
        3.2.2 構建加權超圖模型
    3.3 隨機游走形成顯著性圖
    3.4 實驗結果與分析
        3.4.1 數(shù)據(jù)集和對比算法
        3.4.2 參數(shù)設置及實驗結果
        3.4.3 視覺效果對比
        3.4.4 實驗數(shù)據(jù)對比
    3.5 本章小結
第4章 基于超圖和隨機游走的協(xié)同顯著性物體檢測
    4.1 圖像預處理
    4.2 構建加權超圖模型
    4.3 隨機游走形成協(xié)同顯著性圖
    4.4 實驗結果與分析
        4.4.1 數(shù)據(jù)集和對比算法
        4.4.2 參數(shù)設置
        4.4.3 視覺效果對比
        4.4.4 實驗數(shù)據(jù)分析
    4.5 本章小結
第5章 基于超圖和隨機游走的協(xié)同顯著性物體檢測系統(tǒng)
    5.1 需求分析
    5.2 系統(tǒng)運行環(huán)境
    5.3 系統(tǒng)功能及演示
    5.4 本章小結
結論
參考文獻
致謝
個人簡歷、在學期間發(fā)表的學術論文及研究成果



本文編號：3796595