基于全局孤立性和局部緊湊性的顯著目標(biāo)檢測(cè)算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩68頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、視覺(jué)注意能夠把有限的處理資源快速而準(zhǔn)確地分配到顯著的視覺(jué)區(qū)域上。同時(shí)由于視覺(jué)選擇性注意機(jī)制在圖像壓縮、目標(biāo)檢測(cè)、圖像檢索等方面有著廣泛的應(yīng)用價(jià)值。因此,如何在生物學(xué)啟發(fā)下建立機(jī)器視覺(jué)模型得到極大關(guān)注。但目前的視覺(jué)注意模型主要依賴像素間的相互對(duì)比,缺乏從全局角度對(duì)顯著目標(biāo)的分析理解,當(dāng)背景較復(fù)雜時(shí),檢測(cè)結(jié)果不夠理想。鑒于此,本文對(duì)一些新的視覺(jué)注意計(jì)算模型展開(kāi)研究。
  首先,研究一種基于空間分布特性和局部復(fù)雜度的顯著目標(biāo)檢測(cè)算法。首

2、先根據(jù)局部區(qū)域與其多個(gè)尺度鄰域的對(duì)比,得到亮度顯著圖;然后利用顏色信息的顯眼性、空間分布和區(qū)域一致性得到顏色顯著圖;同時(shí)通過(guò)對(duì)方向的空間分布和局部復(fù)雜度進(jìn)行多尺度分析得到方向顯著圖;最后將三者線性融合得到顯著圖。實(shí)驗(yàn)結(jié)果表明該算法是切實(shí)可行。
  其次,通過(guò)將視覺(jué)顯著性檢測(cè)公式化為馬爾科夫隨機(jī)游走問(wèn)題,研究一種基于目標(biāo)全局孤立性和局部同質(zhì)性的圖表示隨機(jī)游走顯著區(qū)域檢測(cè)算法。首先將輸入圖像進(jìn)行分塊,利用顏色和方向特征確定邊的權(quán)重,從

3、而確定馬爾科夫轉(zhuǎn)移矩陣;然后通過(guò)全連通圖搜索提取全局特性;同時(shí)通過(guò)k-regular圖搜索提取局部特性;最后結(jié)合全局特性和局部特性得到輸入圖像的顯著圖,進(jìn)而確定感興趣區(qū)域位置。該方法得到較好的檢測(cè)結(jié)果。
  最后,根據(jù)生物視覺(jué)注意機(jī)制,研究一種基于混合圖上隨機(jī)游走模型的顯著目標(biāo)檢測(cè)算法,利用顏色特征距離確定無(wú)向圖的邊的權(quán)重,同時(shí)采用方向特征的空間擴(kuò)散程度和局部方向熵對(duì)比確定有向圖的邊的權(quán)重,進(jìn)而結(jié)合無(wú)向圖和有向圖得到混合圖;然后通

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論