本文關(guān)鍵詞：圖像的視覺(jué)顯著性分析與應(yīng)用研究

  更多相關(guān)文章： 視覺(jué)顯著性 特征空間 圖融合 海水珍珠圖像 背景提取 Otsu算法

【摘要】：人類視覺(jué)系統(tǒng)能迅速?gòu)膱D像或場(chǎng)景中發(fā)現(xiàn)并關(guān)注感興趣的內(nèi)容。如何模仿視覺(jué)認(rèn)知機(jī)制建立視覺(jué)顯著計(jì)算模型,以實(shí)現(xiàn)對(duì)場(chǎng)景中目標(biāo)的檢測(cè)和識(shí)別是當(dāng)前計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。本文從視覺(jué)注意機(jī)制、視覺(jué)計(jì)算理論和視覺(jué)顯著計(jì)算模型出發(fā),對(duì)自底向上的視覺(jué)顯著計(jì)算模型深入研究和改進(jìn),并將其應(yīng)用于靜態(tài)圖像和視頻圖像序列。首先對(duì)自底向上的視覺(jué)顯著計(jì)算模型進(jìn)行了綜述和分析,并歸納成可分為顯著特征檢測(cè)與描述、顯著圖生成和顯著圖融合三部分的一般模型框架。研究分析了框架中各部分采用的不同的處理方法、適用范圍及其存在的問(wèn)題。再針對(duì)Itti模型的顯著特征選擇和算法較為復(fù)雜的不足,提出單一尺度下結(jié)合全局顏色顯著和方向顯著的改進(jìn)顯著計(jì)算方法。該方法在更符合視覺(jué)特性的Lab空間中進(jìn)行多通道分解,利用高斯差分濾波提取各通道顏色特征,進(jìn)行全局均值計(jì)算顏色顯著圖；利用Gabor濾波的方向選擇性提取不同方向上的顯著圖。將改進(jìn)的算法模型和Itti模型、SR模型在MSRA視覺(jué)顯著目標(biāo)檢測(cè)數(shù)據(jù)庫(kù)中進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果表明,在該測(cè)試庫(kù)中本文方法在顯著目標(biāo)提取的完整性、與人工標(biāo)記圖的相近程度均優(yōu)于對(duì)比模型結(jié)果。研究了基于顏色、紋理、形狀的多特征融合與模式識(shí)別的海水珍珠目標(biāo)識(shí)別方法,利用Matlab、SQL Server設(shè)計(jì)開(kāi)發(fā)了海水珍珠識(shí)別原型系統(tǒng),并將顯著計(jì)算模型應(yīng)用于該系統(tǒng)中的珍珠圖像目標(biāo)自動(dòng)檢測(cè)。利用SR模型的顯著性檢測(cè)原理,提出一種結(jié)合視頻圖像幀間關(guān)系的多通道殘余譜計(jì)算的靜止背景提取方法。該方法按固定時(shí)間間隔抽取視頻圖像序列,統(tǒng)計(jì)多色彩通道下頻域中對(duì)數(shù)譜,在進(jìn)行多幀均衡后過(guò)濾顯著目標(biāo)信息,反變換后重建背景圖像,實(shí)驗(yàn)驗(yàn)證了方法的有效性。再結(jié)合視頻圖像序列中相鄰幀間的關(guān)系,利用遺傳模擬退火算法對(duì)Otsu算法進(jìn)行改進(jìn),并結(jié)合三幀差分法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè),實(shí)驗(yàn)證明該方法提高了二值化閾值的選取精度,使檢測(cè)的運(yùn)動(dòng)目標(biāo)更完整。
【關(guān)鍵詞】：視覺(jué)顯著性 特征空間 圖融合 海水珍珠圖像 背景提取 Otsu算法
【學(xué)位授予單位】：海南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 研究背景與意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 視覺(jué)注意機(jī)制研究現(xiàn)狀10-12
• 1.2.2 視覺(jué)顯著計(jì)算模型研究現(xiàn)狀12-13
• 1.3 研究?jī)?nèi)容與章節(jié)安排13-14
• 1.4 本章小結(jié)14-15
• 2 通用視覺(jué)顯著計(jì)算模型框架15-24
• 2.1 顯著特征檢測(cè)與描述15-19
• 2.1.1 顏色特征16-17
• 2.1.2 紋理特征17-18
• 2.1.3 形狀特征18-19
• 2.1.4 視頻圖像運(yùn)動(dòng)信息19
• 2.2 顯著圖生成策略19-21
• 2.2.1 區(qū)域比較20
• 2.2.2 全局均值比較20-21
• 2.2.3 多尺度多分辨率分析21
• 2.3 顯著圖融合策略21-23
• 2.3.1 單一線性融合22
• 2.3.2 自適應(yīng)融合22-23
• 2.4 本章小結(jié)23-24
• 3 改進(jìn)的顯著計(jì)算模型與應(yīng)用24-40
• 3.1 Itti模型介紹及分析24-26
• 3.2 改進(jìn)的顯著計(jì)算模型26-33
• 3.2.1 底層特征提取26-28
• 3.2.2 顯著子圖生成28-30
• 3.2.3 綜合顯著圖30-31
• 3.2.4 對(duì)比實(shí)驗(yàn)與結(jié)果分析31-33
• 3.3 在海水珍珠識(shí)別系統(tǒng)中的應(yīng)用33-38
• 3.3.1 海水珍珠識(shí)別系統(tǒng)架構(gòu)33
• 3.3.2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)33-37
• 3.3.3 基于顯著計(jì)算的珍珠目標(biāo)檢測(cè)37-38
• 3.4 本章小結(jié)38-40
• 4 視覺(jué)顯著性在視頻圖像中的應(yīng)用40-52
• 4.1 動(dòng)目標(biāo)檢測(cè)方法概述40-41
• 4.2 基于改進(jìn)殘余譜的視頻序列背景提取41-45
• 4.2.1 SR算法與改進(jìn)基礎(chǔ)41
• 4.2.2 改進(jìn)算法提取運(yùn)動(dòng)目標(biāo)背景41-44
• 4.2.3 實(shí)驗(yàn)結(jié)果與分析44-45
• 4.3 改進(jìn)的Otsu算法應(yīng)用于運(yùn)動(dòng)目標(biāo)檢測(cè)45-51
• 4.3.1 最大類間差法45-46
• 4.3.2 基于遺傳模擬退火算法的改進(jìn)46-49
• 4.3.3 結(jié)合三幀差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)49
• 4.3.4 實(shí)驗(yàn)結(jié)果與分析49-51
• 4.4 本章小結(jié)51-52
• 5 總結(jié)與展望52-54
• 參考文獻(xiàn)54-58
• 碩士期間發(fā)表論文和科研情況58-59
• 致謝59

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 楊勝輝;李太君;肖沙;周浩理;徐寧敏;;改進(jìn)的Otsu算法及在運(yùn)動(dòng)目標(biāo)檢測(cè)中的應(yīng)用研究[J];電視技術(shù);2015年24期

2 孫曉帥;姚鴻勛;;視覺(jué)注意與顯著性計(jì)算綜述[J];智能計(jì)算機(jī)與應(yīng)用;2014年05期

3 陶輝;陳閩杰;賀石中;馮偉;;在線鐵譜圖像分析中基于蟻群算法改進(jìn)Otsu的設(shè)計(jì)與應(yīng)用[J];電子設(shè)計(jì)工程;2014年10期

4 景慧昀;韓琦;牛夏牧;;顯著區(qū)域檢測(cè)算法綜述[J];智能計(jì)算機(jī)與應(yīng)用;2014年01期

5 黃凱奇;譚鐵牛;;視覺(jué)認(rèn)知計(jì)算模型綜述[J];模式識(shí)別與人工智能;2013年10期

6 鐘雪君;;一種改進(jìn)的Otsu雙閾值二值化圖像分割方法[J];電子世界;2013年04期

7 孔銳;張冰;;Gabor濾波器參數(shù)設(shè)置[J];控制與決策;2012年08期

8 陳崢;石勇鵬;吉書(shū)鵬;;一種改進(jìn)的Otsu圖像閾值分割算法[J];激光與紅外;2012年05期

9 付燃;白艷萍;;一種新改進(jìn)的otsu算法[J];科技信息;2012年08期

10 徐衛(wèi)星;王蘭英;李秀娟;;一種基于OpenCV實(shí)現(xiàn)的三幀差分運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J];計(jì)算機(jī)與數(shù)字工程;2011年11期

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

1 敖歡歡;視覺(jué)顯著性應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 肖沙;基于幀間差和背景差的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[D];海南大學(xué);2015年

2 李延龍;融合多特征的海水珍珠圖像檢索和識(shí)別技術(shù)研究[D];海南大學(xué);2014年

3 徐瑛;融合信息熵和特征提取的海水珍珠檢測(cè)和識(shí)別技術(shù)研究[D];海南大學(xué);2013年

4 丁鶴洋;適用于海水珍珠識(shí)別的圖像預(yù)處理方法研究[D];海南大學(xué);2013年

5 仇媛媛;基于視覺(jué)顯著性的物體檢測(cè)方法研究[D];上海交通大學(xué);2013年

，

本文編號(hào)：618568