發(fā)布時(shí)間：2017-10-09 10:03

  本文關(guān)鍵詞：一種適用于網(wǎng)絡(luò)圖像集的聯(lián)合分割方法

  更多相關(guān)文章： 聯(lián)合分割 聯(lián)合顯著性 Grabcut 結(jié)構(gòu)相似性比較 物體性

【摘要】：圖像分割是計(jì)算機(jī)視覺(jué)領(lǐng)域中的最重要并且也最具挑戰(zhàn)性的研究領(lǐng)域,它可以應(yīng)用于視覺(jué)領(lǐng)域的多個(gè)方向,比如物體檢測(cè),場(chǎng)景分析和物體識(shí)別等。傳統(tǒng)的圖像分割方法主要是關(guān)注單張圖片的分割,比如通過(guò)顏色的差異,邊緣的對(duì)比等一些特征得到一個(gè)局部的連貫區(qū)域。但是在某些圖像中,物體的特征不顯著,如對(duì)比度不足或邊緣不明顯等等。在這種情況下如果不提供一些相應(yīng)的先驗(yàn)知識(shí),傳統(tǒng)的無(wú)監(jiān)督單圖像分割方法是很難得到一個(gè)精確的分割結(jié)果。為了解決這個(gè)問(wèn)題,人們隨后提出了交互式的圖像分割技術(shù)。交互式分割是數(shù)字圖像處理中重要的一部分,它可以通過(guò)用戶(hù)的交互提高分割的準(zhǔn)確性。但是交互式的方法會(huì)大大增加用戶(hù)的工作量。目前人們又提出了一種新的聯(lián)合分割方法。該方法不僅可以減少用戶(hù)的操作,并且可以提高分割的準(zhǔn)確性。聯(lián)合分割是在一系列具有相似物體的圖像中提取出目標(biāo)物體。通過(guò)這一系列的相似圖像,計(jì)算出圖像中的共同特征,從而得到所期望的目標(biāo)區(qū)域。這種方法彌補(bǔ)了傳統(tǒng)的圖像分割時(shí)先驗(yàn)知識(shí)不足的問(wèn)題。在日常生活中,聯(lián)合分割可以應(yīng)用在很多方面,例如1)在社交網(wǎng)站中,用戶(hù)們很喜歡上傳一些具有相同物體的照片,比如自拍照,那么工程師可以利用聯(lián)合分割技術(shù)得到該用戶(hù)最感興趣的目標(biāo)區(qū)域,從而做一些視覺(jué)的分析工作。2)聯(lián)合分割還可以很方便的分割由用戶(hù)通過(guò)關(guān)鍵字搜索(例如谷歌)得出的圖片集中的目標(biāo)區(qū)域。目前常用的聯(lián)合分割方法會(huì)基于一個(gè)前提,即圖像集合中的所有圖片都會(huì)包含目標(biāo)區(qū)域。但是我們會(huì)發(fā)現(xiàn)在一些圖像序列中有可能存在噪聲,即該圖像不包含目標(biāo)物體或我們期望的物體不是該圖像的主要內(nèi)容,例如上述通過(guò)圖像搜索引擎得來(lái)的網(wǎng)絡(luò)圖片集中很有可能包含一些噪聲圖像,那么這種情況將會(huì)制約大部分聯(lián)合分割方法的使用。為了解決這一問(wèn)題,Michael Rubinstein在[6]中提出了一種聯(lián)合分割方法可以處理噪聲圖像。雖然該方法可以分割出具有不同形狀,紋理以及視角的公共物體,但是該方法時(shí)間效率較低,運(yùn)算量較大。由于考慮到圖像搜索引擎技術(shù)的進(jìn)一步完善,搜索的結(jié)果會(huì)越來(lái)越準(zhǔn)確,內(nèi)容也會(huì)越來(lái)越統(tǒng)一,所以我們將之前用于處理不同形狀,紋理以及視角的公共物體的復(fù)雜方法簡(jiǎn)化為只采用一些簡(jiǎn)單的特征進(jìn)行網(wǎng)絡(luò)圖像集的分割,從而提高分割的效率。因此,本文提出一種簡(jiǎn)單而有效的聯(lián)合分割方法用于在具有噪聲的圖像集中發(fā)現(xiàn)和提取目標(biāo)物體。
【關(guān)鍵詞】：聯(lián)合分割 聯(lián)合顯著性 Grabcut 結(jié)構(gòu)相似性比較 物體性
【學(xué)位授予單位】：山東大學(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8-10
• ABSTRACT10-12
• 第一章 引言12-18
• 1.1 研究背景和意義12-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀13-17
• 1.2.1 聯(lián)合分割研究現(xiàn)狀13-16
• 1.2.2 視覺(jué)顯著性研究現(xiàn)狀16-17
• 1.3 主要研究?jī)?nèi)容以及創(chuàng)新點(diǎn)17
• 1.4 本文組織結(jié)構(gòu)17-18
• 第二章 研究基礎(chǔ)18-33
• 2.1 顯著性18-21
• 2.1.1 顯著性理論基礎(chǔ)18-19
• 2.1.2 RC19-21
• 2.2 物體檢測(cè)21-24
• 2.2.1 什么是物體?21-23
• 2.2.2 BING23-24
• 2.3 Grabcut24-33
• 2.3.1 圖像分割理論基礎(chǔ)24-25
• 2.3.2 Graph-cut25-29
• 2.3.3 高斯混合模型29
• 2.3.4 基于Graph-cut的改進(jìn)方法：Grabcut29-33
• 第三章 前景估計(jì)33-39
• 3.1 一種新的co-saliency模型的構(gòu)造方法33-35
• 3.2 一種新的基于一般性物體檢測(cè)BING的窗口得分策略35-39
• 第四章 前景相似性比較39-43
• 4.1 SSIM(結(jié)構(gòu)相似性)39-40
• 4.2 一種新的基于SSIM的前景相似性比較算法40-43
• 第五章 有向圖的構(gòu)建43-47
• 5.1 有向無(wú)環(huán)圖43-44
• 5.2 路徑權(quán)重44-45
• 5.3 最短路徑45-47
• 第六章 實(shí)驗(yàn)結(jié)果展示47-52
• 6.1 iCoseg數(shù)據(jù)庫(kù)47-50
• 6.2 MSRC數(shù)據(jù)庫(kù)50
• 6.3 Internet數(shù)據(jù)集50-51
• 6.4 圖像搜索引擎數(shù)據(jù)集51-52
• 第七章 總結(jié)和展望52-53
• 參考文獻(xiàn)53-56
• 致謝56-57
• 攻讀學(xué)位期間發(fā)表學(xué)術(shù)論文目錄57-58
• 攻讀學(xué)位期間參與科研項(xiàng)目情況58-59
• 學(xué)位論文評(píng)閱及答辯情況表59

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王銳拓;趙耀;林春雨;白慧慧;劉美琴;;基于圖像集大小優(yōu)化的圖像集壓縮算法[J];鐵道學(xué)報(bào);2014年07期

2 華艷秋;;淺談圖像集在視覺(jué)概念檢測(cè)中的應(yīng)用[J];科技資訊;2012年20期

3 汪粼波;郭延文;夏天辰;金國(guó)平;;樣本驅(qū)動(dòng)的半自動(dòng)圖像集前背景分割[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年06期

4 余平;楊有;尚晉;;基于模板差分的檔案圖像集合冗余壓縮研究[J];計(jì)算機(jī)科學(xué);2011年07期

5 曾青松;;黎曼流形上的保局投影在圖像集匹配中的應(yīng)用[J];中國(guó)圖象圖形學(xué)報(bào);2014年03期

6 曾青松;;基于支持向量域描述的圖像集匹配[J];模式識(shí)別與人工智能;2014年08期

7 包金宇;王慧斌;陳哲;沈潔;;基于背景圖像集與稀疏分析的運(yùn)動(dòng)目標(biāo)檢測(cè)[J];計(jì)算機(jī)應(yīng)用;2013年05期

8 王耀明,王仲?lài)?guó),沈毅俊;圖像集的離散度矩陣及其在人臉圖像識(shí)別中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2001年05期

9 詹宇斌;殷建平;李寬;;缺失像素圖像集的流形學(xué)習(xí)算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2011年03期

10 宋文娟;于威威;;一種應(yīng)用PCA的人臉圖像集識(shí)別方法[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2014年12期

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 來(lái)新夏;可供歷史實(shí)證的圖像[N];中華新聞報(bào);2006年

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

1 趙燁;大規(guī)模圖像集自動(dòng)摘要技術(shù)研究[D];合肥工業(yè)大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 李岳尊;一種適用于網(wǎng)絡(luò)圖像集的聯(lián)合分割方法[D];山東大學(xué);2015年

2 李銳杰;基于LBP的人臉圖像集識(shí)別算法的研究[D];吉林大學(xué);2014年

3 吳斌煒;互聯(lián)網(wǎng)旅游信息挖掘和展示技術(shù)研究[D];浙江大學(xué);2011年

4 蓋健;基于旋轉(zhuǎn)不變LBP的圖像集人臉識(shí)別算法[D];吉林大學(xué);2015年

5 寧尚軍;基于R_1-PCA的圖像集人臉識(shí)別算法的研究[D];吉林大學(xué);2015年

6 劉起芳;人體解剖圖像集的可視化[D];北京交通大學(xué);2007年

7 王辰;基于判別型典型相關(guān)分析的多流形識(shí)別[D];東北師范大學(xué);2011年

8 陸瑤;基于圖像集表示判別分析[D];遼寧師范大學(xué);2013年

9 付彥偉;多視點(diǎn)視頻內(nèi)容分析與摘要技術(shù)研究[D];南京大學(xué);2011年

，

本文編號(hào)：999551