2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩53頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)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(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、基于秩約束基于秩約束的協(xié)同顯著性檢測協(xié)同顯著性檢測RankConstraintBasedCosaliencyDetection學(xué)科專業(yè):計(jì)算機(jī)科學(xué)與技術(shù)作者姓名:陶志強(qiáng)指導(dǎo)教師:操曉春研究員天津大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院二零一四年十一月摘要傳統(tǒng)的視覺顯著性檢測方法通常能夠模擬人的視覺處理系統(tǒng)對單一場景進(jìn)行快速自動(dòng)的分析,從而挖掘出圖片中最為吸引人的區(qū)域。顯著性檢測結(jié)果一般被稱作顯著性圖。協(xié)同顯著性是視覺顯著性分析在多張圖片上的擴(kuò)張,旨在檢

2、測出存在于一組圖片中的既顯著又相似的物體。近幾年,協(xié)同顯著性作為一種有效的預(yù)處理手段,顯著地提高了諸多計(jì)算機(jī)視覺和多媒體領(lǐng)域應(yīng)用的效果。因此,本文專注于提出新的算法以提升協(xié)同顯著性的檢測效果。本文首先利用協(xié)同顯著物體間的內(nèi)在聯(lián)系,提出了一種用于協(xié)同顯著性檢測的基于秩約束的融合方法。給定一組任意數(shù)目的有相似物體的圖片,本文利用若干種不同的顯著性算法為這組圖片生成顯著性圖。根據(jù)每一張圖片對應(yīng)的若干顯著性圖,本文對每一張圖片分割出一組不同的顯

3、著性物體,并且為每一個(gè)顯著性物體計(jì)算特征直方圖。所有的特征直方圖組合成特征矩陣。因?yàn)閰f(xié)同顯著物體的特征表達(dá)應(yīng)該是相似并且一致的,所以本文得到的特征矩陣應(yīng)該滿足低秩矩陣的性質(zhì)。本文將上述性質(zhì)形式化為秩約束,并且提出一種基于低秩矩陣恢復(fù)的能量計(jì)算方法來量化這一約束。另外,本文還提出了一種基于重建的方法來從另一個(gè)角度詮釋秩約束。綜上,本文依據(jù)秩約束提出了兩種不同的協(xié)同顯著性檢測算法,其中第一種方法同樣適用于單張圖片上的顯著性檢測。本文在三個(gè)數(shù)

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(quán)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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。

評論

0/150

提交評論