圖像顯著性檢測(cè)通過模仿視覺注意機(jī)制來獲取圖像中的重要信息,以提高圖像處理的效率與準(zhǔn)確性。在目標(biāo)識(shí)別、圖像標(biāo)注與檢索、圖像自動(dòng)剪裁、圖像壓縮等領(lǐng)域均有廣泛應(yīng)用。針對(duì)現(xiàn)有顯著性檢測(cè)方法易出現(xiàn)的邊界模糊、輪廓不清晰、目標(biāo)結(jié)構(gòu)性較差以及背景抑制性能差等問題,本文提出一種基于區(qū)域標(biāo)簽融合的圖像顯著性檢測(cè)方法。首先,利用超像素分割方法對(duì)輸入圖像進(jìn)行分割處理,為減少過分割的區(qū)域數(shù)目,通過譜聚類方式對(duì)超像素區(qū)域進(jìn)行二次聚類,得到區(qū)域邊界信息和顏色空間分布圖;然后,利用條件隨機(jī)場(chǎng)理論將顏色空間分布圖、多尺度對(duì)比特征圖和中心-四周直方圖三種顯著圖充分融合,得到粗度顯著圖;接著,根據(jù)區(qū)域邊界信息定義一種標(biāo)簽指示向量,為將邊界信息更好地融入粗度顯著圖,設(shè)計(jì)區(qū)域標(biāo)簽融合算法,通過統(tǒng)一標(biāo)簽得到重構(gòu)的粗度顯著圖;最后,通過優(yōu)化的背景先驗(yàn)方法對(duì)重構(gòu)的粗度顯著圖進(jìn)行精化。本文算法在MSRA10K與ECSSD數(shù)據(jù)集上分別隨機(jī)抽取500幅圖像進(jìn)行顯著性檢測(cè),并與11種顯著檢測(cè)方法進(jìn)行主觀對(duì)比和客觀對(duì)比。實(shí)驗(yàn)結(jié)果表明,區(qū)域標(biāo)簽融合算法得到的顯著區(qū)域邊界輪廓清晰、結(jié)構(gòu)性強(qiáng),同時(shí)該方法具有較高的背景抑制性能和顯著檢測(cè)精度。并且本...

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景和研究意義
    1.2 研究現(xiàn)狀及應(yīng)用領(lǐng)域
    1.3 本文主要工作
    1.4 本文組織與結(jié)構(gòu)安排
2 顯著性研究相關(guān)理論
    2.1 圖像基本特征
    2.2 顯著性研究相關(guān)方法
    2.4 本章小結(jié)
3 基于區(qū)域標(biāo)簽融合的圖像顯著性檢測(cè)算法
    3.1 算法概述
    3.2 區(qū)域標(biāo)簽信息的形成
    3.3 獲取粗度顯著圖
    3.4 重構(gòu)粗度顯著圖
    3.5 精化重構(gòu)顯著圖
    3.6 本章小結(jié)
4 實(shí)驗(yàn)結(jié)果與分析
    4.1 測(cè)試數(shù)據(jù)集
    4.2 評(píng)價(jià)指標(biāo)說明
    4.3 主觀對(duì)比分析
    4.4 客觀對(duì)比分析
    4.5 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3818103