本文選題：面向應(yīng)用的顯著性　切入點：區(qū)域顯著性　出處：《西北工業(yè)大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：圖像特征區(qū)域檢測是計算機視覺與模式識別中的重要研究方向,具有多年的研究歷史。作為多研究領(lǐng)域的基礎(chǔ)步驟,特征區(qū)域檢測的質(zhì)量直接影響了后續(xù)應(yīng)用的算法結(jié)果。由于傳統(tǒng)的特征區(qū)域檢測方法與后續(xù)應(yīng)用相對獨立,因此存在著難以根據(jù)應(yīng)用場景及數(shù)據(jù)集變化而自適應(yīng)選擇特征等問題。受人類視覺顯著性模型的啟發(fā),本文將顯著性引入到特征區(qū)域檢測研究中來,并針對計算機視覺中多個廣泛應(yīng)用的領(lǐng)域,例如特征匹配、目標識別等,提出基于特定應(yīng)用場景的區(qū)域顯著性算法,該算法用于估計圖像中各區(qū)域的顯著性值。多類型圖像上的實驗結(jié)果證明了,顯著性高的區(qū)域比顯著性低的區(qū)域?qū)ν瓿珊罄m(xù)應(yīng)用有著較好的算法效果。作為基礎(chǔ)研究領(lǐng)域,區(qū)域顯著性研究對提高特征區(qū)域在其他領(lǐng)域的應(yīng)用效果等方面意義重大。本文的主要內(nèi)容和創(chuàng)新點包括:針對傳統(tǒng)特征區(qū)域檢測算法與區(qū)域匹配率相脫節(jié)的問題,本文提出了一種基于特征匹配的區(qū)域顯著性方法,該方法將區(qū)域的匹配率引入到區(qū)域的顯著性衡量中來,使得高顯著性區(qū)域比低顯著性區(qū)域具有較高的正確匹配率;該方法還較好的解決了自然場景圖像中多維特征概率分布建模的問題。所提方法定義區(qū)域的顯著性為該區(qū)域正確匹配的概率分布與錯誤匹配概率分布之間的Kullback-Leibler(K-L)散度,并基于自然場景圖像中區(qū)域特征的統(tǒng)計特性,利用橢圓對稱分布和高斯對數(shù)分布對多維特征概率密度函數(shù)進行了建模,給出了基于K-L散度的區(qū)域顯著性計算方法。在多個自然場景數(shù)據(jù)集上的實驗結(jié)果驗證了所提算法的有效性和優(yōu)越性,同時實驗結(jié)果表明特定區(qū)域的顯著性可隨訓(xùn)練數(shù)據(jù)集進行自適應(yīng)的調(diào)整。針對現(xiàn)有區(qū)域顯著性計算方法存在的多維特征分布建模時概率模型受限的問題,本文提出了一種基于離散樣本K-L散度估計的區(qū)域顯著性方法,該方法可適用于具有不同統(tǒng)計特征的圖像數(shù)據(jù)集,比現(xiàn)有方法適用范圍較廣,計算速度較快。所提方法從以下兩個方面對現(xiàn)有方法進行了改進:1)使用隨機樣本直接估計基于K-L散度的區(qū)域顯著性,避免對區(qū)域特征的概率分布添加過強的限制條件;2)優(yōu)化現(xiàn)有方法計算步驟,省略了顯著性計算中的中間步驟。本文將該方法應(yīng)用至自然圖像、紋理圖像和仿真數(shù)據(jù)集等多類圖像數(shù)據(jù)集以及不同特征描述方法,實驗結(jié)果證明,該方法可有效地計算不同類圖像區(qū)域的顯著性;具有較廣泛的適用性。針對基于匹配的目標識別,本文提出了一種綜合考慮圖像區(qū)域的表示性、區(qū)分性以及匹配有效性的顯著性方法,該方法較現(xiàn)有方法可獲得較高的目標識別正確率。所提方法中區(qū)域的表示性指該區(qū)域為感興趣目標的一個特征區(qū)域,可描述目標整體或局部;將區(qū)分性區(qū)域定義為存在于感興趣目標中且較少在背景中出現(xiàn)的區(qū)域,利用基于離散樣本的K-L散度估計方法計算區(qū)域的區(qū)分性值;并將匹配率引入到區(qū)域的顯著性衡量中,定義具有較高區(qū)分性和正確匹配率的目標區(qū)域為高顯著性區(qū)域。在多目標識別數(shù)據(jù)集上的實驗結(jié)果表明,所提方法提取的高顯著性區(qū)域可區(qū)分復(fù)雜背景中的感興趣目標,具有較高的正確識別率,并有助于獲得較準確的定位和姿態(tài)估計結(jié)果。
[Abstract]:Image feature detection is an important research direction of computer vision and pattern recognition in the study of history has many years. As a basic step in the research field of quality characteristics, region detection directly affects the subsequent application of the algorithm results. Because the traditional method of detecting feature area and subsequent application of relatively independent, so there are not according to the application scenarios and data set change and adaptive feature selection problems. Inspired by the human visual saliency model, this paper was introduced to study detection feature regions, and for the more widely used in computer vision field, such as feature matching, object recognition, put forward specific application scenario of the region saliency based algorithm the algorithm is used to estimate the significance of each area in the image. The value of multi type images on the experiment results show that was more significant than the region Low area has a good effect on the algorithm complete follow-up application. As the basic research, research of salient regions is of great significance to improve the effectiveness of regional characteristics in other areas and so on. The main contents and innovations of this paper include: according to the characteristics of the traditional region detection algorithm and area matching rate of the separation, is proposed in this paper. A significant regional feature matching method based on the method of regional matching rate into the saliency measure to make significant regional high correct matching ratio is higher than low saliency rate; the method also solves the problem of multidimensional probability distribution modeling problems in natural scene images the probability distribution and error significantly. The proposed method defines the area of the region the correct matching probability distribution between Kullback-Leibler (K-L) divergence, and based on the natural The statistical characteristics of regional characteristics of the scene image, using elliptical symmetry and logarithmic distribution of Gauss multidimensional probability density function for modeling, calculating K-L divergence region saliency based method. In a number of natural scene data sets. The experimental results verify the validity and superiority of the proposed algorithm, and experiment the results show that significant specific area with the training data set for adaptive adjustment. The probability distribution model of multidimensional constrained model for the existing region saliency calculation method of the problem, this paper proposes a method of discrete sample region saliency estimation based on K-L divergence, this method can be applied to image data with different statistics the feature sets, a wider scope than the existing method, fast calculation speed. The proposed method from the following two aspects to improve the existing method: 1). With a random sample of direct estimation of K-L divergence region saliency based on probability distribution characteristics of the region to avoid adding too strong restrictions; 2) to optimize the existing method of calculation steps, omitted significant in the calculation of the intermediate steps. This method was applied to natural images, texture images and simulated data sets, and other types of the image data sets and different feature description method, experimental results show that this method can effectively calculate the significant different image regions; has a wide applicability. For target recognition based on matching, this paper proposed the image area of a comprehensive consideration, distinguishing and matching significantly the effectiveness of the method this method, compared with the existing method can achieve high recognition accuracy. The proposed method in regional representation refers to a feature region in the region as the target of interest, which can describe the overall goal or The local area is defined as; distinction exists in the target of interest and less in the background area, using K-L divergence estimation of discrete sample discrimination calculation method based on the value of the region and into the matching rate; saliency measure, defined with target area area and high correct matching rate as a high saliency. Multi target recognition data sets. The experimental results show that the proposed method to extract high saliency regions can be distinguished in the complex background of interested target, has higher correct classification rate, and helps to achieve accurate positioning and attitude estimation results.

【學(xué)位授予單位】：西北工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 徐寧,吳文勝,楊光正;用區(qū)域特征進行人面定位的研究[J];自動化學(xué)報;1999年05期

2 海濤;鮑遠律;;基于區(qū)域特征和連接成分的地圖規(guī)范化算法[J];計算機技術(shù)與發(fā)展;2007年10期

3 李印清;鄭小東;王曉潔;;基于區(qū)域特征的果實識別技術(shù)[J];河南科學(xué);2008年03期

4 李偉紅,龔衛(wèi)國,陳偉民,梁毅雄,張紅梅;基于中國人人臉區(qū)域特征的貝葉斯分類法研究[J];儀器儀表學(xué)報;2004年S2期

5 王榮華;孟建熠;陳志堅;嚴曉浪;;基于訪問區(qū)域特征的高速地址翻譯方法[J];浙江大學(xué)學(xué)報(工學(xué)版);2014年02期

6 李巧華;房裕;;區(qū)域品牌形成的原因及作用分析[J];甘肅科技縱橫;2010年06期

7 裴成發(fā);經(jīng)濟信息的空間序列分析[J];圖書館理論與實踐;1999年04期

8 蘇光偉;張敏情;楊曉元;;融合區(qū)域特征和相關(guān)反饋的圖像檢索[J];計算機工程與應(yīng)用;2009年15期

9 姚建文,高敦岳;基于區(qū)域特征的胃炎病理圖像二值化分割方法[J];華東理工大學(xué)學(xué)報;2001年05期

10 吳祿慎;吳培敏;;基于區(qū)域特征的視頻序列人臉快速檢測[J];微電子學(xué)與計算機;2011年05期

相關(guān)會議論文 前10條

1 李偉紅;龔衛(wèi)國;陳偉民;梁毅雄;張紅梅;;基于中國人人臉區(qū)域特征的貝葉斯分類法研究[A];中國儀器儀表學(xué)會第六屆青年學(xué)術(shù)會議論文集[C];2004年

2 王先梅;遲健男;王志良;;基于區(qū)域特征與知識匹配的駕駛員眼睛定位方法研究[A];2009中國控制與決策會議論文集（3）[C];2009年

3 李翠琳;;基于區(qū)域特征的變化矢量分析方法的植被動態(tài)監(jiān)測[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

4 海濤;鮑遠律;曲靜;;道路和區(qū)域規(guī)范化算法研究[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會論文摘要集[C];2004年

5 孫愛軍;;中國農(nóng)民消費的區(qū)域特征研究——基于省際數(shù)據(jù)的空間計量分析[A];21世紀數(shù)量經(jīng)濟學(xué)（第10卷）[C];2009年

6 張煌輝;徐德;;一種基于圓周區(qū)域特征的角點快速匹配方法[A];中國自動化學(xué)會控制理論專業(yè)委員會B卷[C];2011年

7 賈雙;;第六章《認識區(qū)域特征》 第一節(jié)《北京》[A];2012年河北省教師教育學(xué)會教學(xué)設(shè)計主題論壇論文集[C];2012年

8 趙黎明;袁盛勇;;中國當代文學(xué)研究會區(qū)域文學(xué)委員會成立并召開全國第二屆“區(qū)域文化與文學(xué)”學(xué)術(shù)研討會[A];當代文學(xué)研究資料與信息（2010.2）[C];2010年

9 趙繼敏;;京津冀地區(qū)與長三角地區(qū)制造業(yè)區(qū)域?qū)I(yè)化特征分析[A];中國地理學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

10 許宜北;齊永青;;陜西鄉(xiāng)村體育運動區(qū)域特征及發(fā)展模式研究[A];第五屆全國青年體育科學(xué)學(xué)術(shù)會議、第二屆中國體育博士高層論壇論文集[C];2008年

相關(guān)重要報紙文章 前10條

1 楊建利;關(guān)于三明區(qū)域品牌發(fā)展的幾點建議[N];三明日報;2008年

2 ;河北區(qū)域特征再認識[N];河北日報;2005年

3 關(guān)健;區(qū)域分銷商“大逃亡”？[N];電腦商報;2006年

4 自治區(qū)黨校經(jīng)濟學(xué)部主任、教授 張家壽;加強金融合作[N];廣西日報;2006年

5 華中科技大學(xué)經(jīng)濟學(xué)院 陳棟;區(qū)域品牌的內(nèi)涵及其價值[N];光明日報;2010年

6 華中科技大學(xué)教育科學(xué)研究院在職博士生 夏魯惠;構(gòu)建生態(tài)良好的區(qū)域高教人才培養(yǎng)體系[N];中國教育報;2007年

7 記者 柳立;實施有針對性的、差異化的區(qū)域保險發(fā)展策略[N];金融時報;2011年

8 本報記者 姚建 張祖輝;區(qū)域品牌旗幟下深圳珠寶業(yè)謀求轉(zhuǎn)型[N];中國黃金報;2008年

9 信息產(chǎn)業(yè)部電信研究院 通信政策研究所 朱金周;2004年中國電信業(yè)區(qū)域競爭力發(fā)展報告[N];通信信息報;2005年

10 浙江省飲料工業(yè)協(xié)會 許長卿;培育飲料區(qū)域名牌 需補足欠缺 構(gòu)建飲品區(qū)域名牌支撐體系[N];中國食品報;2009年

相關(guān)博士學(xué)位論文 前10條

1 梁君;圖像區(qū)域顯著性方法研究[D];西北工業(yè)大學(xué);2016年

2 楊筠;生態(tài)建設(shè)與區(qū)域經(jīng)濟發(fā)展研究[D];四川大學(xué);2005年

3 魏曉鋒;江蘇省區(qū)域共同發(fā)展戰(zhàn)略研究[D];河海大學(xué);2006年

4 黃庚保;區(qū)域質(zhì)量形勢評價及預(yù)測技術(shù)研究[D];重慶大學(xué);2009年

5 蘇恒軒;中國壽險業(yè)區(qū)域協(xié)調(diào)發(fā)展研究[D];中國科學(xué)技術(shù)大學(xué);2011年

6 莫虹頻;區(qū)域典型物質(zhì)與能量代謝模擬及優(yōu)化分析研究[D];清華大學(xué);2011年

7 余冬筠;區(qū)域創(chuàng)新的效率及模式研究[D];浙江大學(xué);2011年

8 馮艷;區(qū)域貧困測度、識別與反貧困路徑選擇研究[D];遼寧大學(xué);2015年

9 郭克鋒;區(qū)域品牌可持續(xù)發(fā)展影響因素及其作用機制研究[D];山東大學(xué);2011年

10 孫忠峰;制造業(yè)外資聚集與區(qū)域經(jīng)濟發(fā)展研究[D];天津大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 劉穎;延邊區(qū)域品牌構(gòu)建研究[D];延邊大學(xué);2015年

2 魏萍;從省運會看湖北體育區(qū)域特征與發(fā)展[D];長江大學(xué);2015年

3 劉純;基于區(qū)域的馬爾可夫隨機場在高分辨率遙感影像分類中的應(yīng)用研究[D];云南師范大學(xué);2015年

4 鄭雪;區(qū)域形狀描述方法及其在商標圖像檢索中的應(yīng)用[D];南京財經(jīng)大學(xué);2014年

5 徐家運;基于感興趣區(qū)域的視頻加解密算法研究[D];上海交通大學(xué);2015年

6 余銘婧;城鎮(zhèn)化背景下水系特征及水文過程變化研究[D];南京大學(xué);2013年

7 李峰;身份互構(gòu)與區(qū)域公共產(chǎn)品供給—東南亞區(qū)域主義中印尼的區(qū)域領(lǐng)導(dǎo)建構(gòu)[D];南京大學(xué);2016年

8 孫超;“區(qū)域法治發(fā)展”中“區(qū)域”的概念[D];南京師范大學(xué);2016年

9 李金龍;安徽省區(qū)域創(chuàng)新能力評價研究[D];安徽財經(jīng)大學(xué);2016年

10 曾赤陽;政府科技資助與區(qū)域創(chuàng)新產(chǎn)出的關(guān)系研究[D];華中科技大學(xué);2015年

，

本文編號：1580947