版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著計算機與通信技術的快速發(fā)展,圖像和視頻日益成為承載數(shù)據(jù)信息的主要形式。圖像資源出現(xiàn)爆炸式增長,如何通過計算機快速處理和檢索圖像是面臨的重大挑戰(zhàn)。顯著性檢測技術是圖像檢索、圖像自適應分割、目標識別等計算機視覺領域的重要步驟。人類視覺系統(tǒng)善于幫助人們在面對復雜場景時搜索到自己感興趣的區(qū)域,模擬人類的視覺機制提取與目標相關的顯著區(qū)域,可以為顯著區(qū)域優(yōu)先地分配圖像合成與分析所需的計算資源,提高計算機處理圖像的效率。在研究已有的顯著性檢測模型
2、的基礎上,總結出現(xiàn)有模型在提取顯著區(qū)域時面臨著準確度不高,提取輪廓不清晰,抗噪能力差等缺點,所以研究精確的顯著性檢測模型變得很重要。本文主要研究工作如下:
(1)結合局部特征對比突出顯著物體邊緣和全局特征對比突出內(nèi)部區(qū)域的優(yōu)點本文提出了一種應用局部特征和全局特征對比的顯著性檢測模型(LGC模型)。該算法首先使用簡單的線性迭代聚類(Simple Linear Iterative Clustering)分割算法將圖像預分割為若干緊
3、湊的超像素,選取邊界區(qū)域集并計算所有超像素的邊界權重;然后計算顏色和紋理特征的局部對比度得到局部顯著圖,利用全局特征的獨特性,空間分布特性得到全局顯著圖;最后采用求和乘積(Sum and Product)方法將局部和全局顯著圖融合得到最終的顯著圖。在Achanta測試集上進行對比分析,實驗結果表明,與其它5種算法相比本文顯著性檢測算法準確度更高,具有較大的優(yōu)勢。
(2)將本文提出的顯著性檢測模型,應用在圖像感興趣區(qū)域自動分割、
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 圖像顯著性檢測研究及其應用.pdf
- 圖像顯著性區(qū)域檢測方法研究.pdf
- 圖像顯著性區(qū)域檢測方法及應用研究.pdf
- 圖像顯著性區(qū)域檢測算法研究.pdf
- 圖像顯著性區(qū)域檢測算法研究(1)
- 圖像顯著性檢測研究.pdf
- 圖像顯著性目標檢測理論及其應用.pdf
- 圖像顯著性檢測及其在圖像縮放中的應用.pdf
- SAR圖像顯著性區(qū)域檢測算法.pdf
- 顯著性區(qū)域檢測方法研究.pdf
- 基于顯著性檢測模型的圖像分割算法研究.pdf
- 圖像頻域顯著性檢測.pdf
- 視覺顯著性檢測模型研究及應用.pdf
- 基于時空顯著性的視頻顯著區(qū)域檢測研究.pdf
- 基于特征分布學習的圖像顯著性區(qū)域檢測研究.pdf
- SAR圖像顯著性檢測方法研究.pdf
- 圖像顯著性區(qū)域提取技術研究.pdf
- 圖像目標顯著性檢測的研究與應用.pdf
- 自然圖像顯著區(qū)域檢測及其應用.pdf
- 超大畸變圖像顯著性信息檢測方法及研究應用.pdf
評論
0/150
提交評論