本文關(guān)鍵詞：圖像頻域顯著性檢測(cè)，由筆耕文化傳播整理發(fā)布。

【摘要】：顯著性檢測(cè)在計(jì)算機(jī)視覺(jué)中具有廣泛的應(yīng)用,如圖像分割、目標(biāo)識(shí)別、圖像重定向及視頻壓縮等。頻域顯著性檢測(cè)(譜顯著性檢測(cè))具有簡(jiǎn)單、快速、高效、不依賴(lài)于分類(lèi)或其他先驗(yàn)知識(shí)的特點(diǎn),自提出以來(lái)吸引了越來(lái)越多的人對(duì)它進(jìn)行研究。本文總結(jié)了頻域顯著性檢測(cè)算法的具體流程,并對(duì)前沿的頻域顯著性檢測(cè)算法和模型進(jìn)行了概述。通過(guò)分析發(fā)現(xiàn)許多計(jì)算方法還存在著顯著區(qū)域檢測(cè)不均勻、顯著性細(xì)節(jié)檢測(cè)不理想等問(wèn)題。假設(shè)自然圖像是由顯著區(qū)域和一些重復(fù)模式(非顯著性)組成,圖像在頻域幅度譜中一個(gè)或多個(gè)尖峰對(duì)應(yīng)于空間域中重復(fù)出現(xiàn)的模式。如果能在合適尺度上利用幅度譜濾波平滑重復(fù)模式的尖峰,就可以達(dá)到抑制圖像非顯著性區(qū)域,突出顯著區(qū)域的目的。本文在此基礎(chǔ)上提出了一種新的顯著性檢測(cè)算法—基于幅度譜分析的自適應(yīng)顯著目標(biāo)檢測(cè)算法。論文的貢獻(xiàn)主要有：1.給出了顯著區(qū)域的尺寸與最優(yōu)幅度譜濾波尺度之間的特定關(guān)系,這對(duì)于頻域顯著目標(biāo)檢測(cè)研究具有十分重要的意義；2.在尺度空間的基礎(chǔ)上,提出了自適應(yīng)最優(yōu)尺度選擇的新方法,該方法可以均勻地突出顯著目標(biāo)；3.提出了自適應(yīng)權(quán)重融合策略,通過(guò)融合不同的顯著圖,從而保留有意義的顯著性信息。我們?cè)谒膫�(gè)國(guó)際公開(kāi)的較具有挑戰(zhàn)性的數(shù)據(jù)集上進(jìn)行了定性定量的對(duì)比實(shí)驗(yàn),證明了本文的算法較其他的譜顯著性模型檢測(cè)結(jié)果更加均勻,更加精確。
【關(guān)鍵詞】：譜顯著性 顯著目標(biāo)檢測(cè) 幅度譜分析 尺度空間分析
【學(xué)位授予單位】：中國(guó)海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 1 緒論9-13
• 1.1 研究背景及意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.3 課題來(lái)源11
• 1.4 主要工作及安排11-12
• 1.5 本章小結(jié)12-13
• 2 頻域顯著性檢測(cè)13-30
• 2.1 預(yù)處理13-17
• 2.1.1 RGB彩色模型13-14
• 2.1.2 Lab彩色模型14-15
• 2.1.3 IRGBY彩色模型15-16
• 2.1.4 圖像尺度調(diào)整模型16-17
• 2.2 時(shí)頻變換17-22
• 2.2.1 傅里葉變換17-18
• 2.2.2 離散余弦變換18-19
• 2.2.3 小波變換19-21
• 2.2.4 四元數(shù)傅里葉變換21-22
• 2.3 圖像頻譜22-24
• 2.4 后處理24-25
• 2.5 評(píng)價(jià)方法25-28
• 2.5.1 PR曲線和ROC曲線26-27
• 2.5.2 AUC值27
• 2.5.3 KL散度27-28
• 2.5.4 線性相關(guān)系數(shù)(CC)28
• 2.6 本章小結(jié)28-30
• 3 頻域顯著性檢測(cè)模型30-40
• 3.1 譜剩余顯著性檢測(cè)模型(SR)30-32
• 3.2 相位譜四元傅里葉變換顯著性檢測(cè)模型(PQFT)32-33
• 3.3 頻域除法歸一化顯著性檢測(cè)模型(FDN)33-35
• 3.4 基于相位譜和調(diào)諧幅度譜的顯著性檢測(cè)模型(PTA)35-36
• 3.5 基于圖像簽名的顯著性檢測(cè)模型(SIG)36-37
• 3.6 基于頻域尺度空間分析的顯著性檢測(cè)模型(HFT)37-39
• 3.7 本章小結(jié)39-40
• 4 基于幅度譜分析的顯著目標(biāo)檢測(cè)模型(AA)40-58
• 4.1 幅度譜分析41-48
• 4.1.1 圖像中顯著與非顯著特性分析41-43
• 4.1.2 非顯著性抑制分析43-44
• 4.1.3 最優(yōu)尺度選擇分析44-48
• 4.2 基于幅度譜分析頻域顯著目標(biāo)檢測(cè)算法48-57
• 4.2.1 圖像四元數(shù)傅里葉變換48-50
• 4.2.2 自適應(yīng)最優(yōu)尺度選擇50-52
• 4.2.3 自適應(yīng)權(quán)重顯著圖融合52-53
• 4.2.4 實(shí)驗(yàn)結(jié)果與分析53-57
• 4.3 本章小結(jié)57-58
• 5 總結(jié)與展望58-60
• 5.1 總結(jié)58-59
• 5.2 展望59-60
• 參考文獻(xiàn)60-64
• 致謝64-65
• 個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果65

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 鄭源彩;潘晉孝;孔慧華;;圖像稀疏表示的研究[J];核電子學(xué)與探測(cè)技術(shù);2012年11期

2 李崇飛;高穎慧;盧凱;曲智國(guó);;基于相位譜和調(diào)諧幅度譜的顯著性檢測(cè)方法[J];中國(guó)圖象圖形學(xué)報(bào);2012年07期

3 王森;楊克儉;;基于雙線性插值的圖像縮放算法的研究與實(shí)現(xiàn)[J];自動(dòng)化技術(shù)與應(yīng)用;2008年07期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 王巖;視覺(jué)注意模型的研究與應(yīng)用[D];上海交通大學(xué);2012年

  本文關(guān)鍵詞：圖像頻域顯著性檢測(cè)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：392686