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),請進行舉報或認領
文檔簡介
1、目前,顯著性分析在圖像分割、圖像目標提取、自適應圖像壓縮和編碼等很多領域中都有非常成功的應用。顯著性分析算法主要有兩類:一類是基于低級視覺信息,由數(shù)據(jù)驅(qū)動的自底向上的注意模型;一 類是基于高層視覺信息,由知識驅(qū)動的自頂向下的注意模型.目前大多數(shù)算法屬于前者。對于目前出現(xiàn)的眾多算法還沒有一個系統(tǒng)的評價體系,本論文從評價的角度切入,引入兩種統(tǒng)計指標,在三個方面來計算這些統(tǒng)計指標來討論對比各種算法的優(yōu)缺點,并在評價實驗研究的基礎上建立一種新的
2、顯著性分析算法。
論文的第一部分集中介紹幾種典型的顯著性分析算法,主要有Itti 等提出的顯著圖模型、Harel 等提出的基于圖論的圖像顯著性分析算法(GBVS 算法)、Achanta 等提出的兩種的顯著圖模型(AC 算法和IG 算法)以及Xiaodi Hou 等提出的一種剩余譜方法(SR 算法)。這里選擇重點介紹這幾種算法的主要原因是:它們基于不同的理論的基礎,非常具有代表性,且在計算機上易于實現(xiàn),實驗得到的效果比較好,
3、是目前引用率較高的幾種算法。
論文的第二部分引入兩種統(tǒng)計指標,在統(tǒng)計意義上進行比較五種算法的優(yōu)劣。利用人工分割提出了三組統(tǒng)計評價指標(分別為顯著圖和人工分割圖的直接對比指標,顯著圖的固定閾值分割圖和人工分割圖的對比指標以及顯著圖的自適應閾值分割圖和人工分割圖的對比指標),同時利用提出的評價指標客觀評價和分析幾種顯著性分析算法在目標分割中的應用。通過實驗結(jié)果來分析各種算法的優(yōu)缺點,從而來思考如何建立一個比較好的新的顯著性分析
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 圖像顯著性算法和評價研究.pdf
- 圖像顯著性區(qū)域檢測算法研究.pdf
- 圖像顯著性檢測研究.pdf
- 圖像顯著性區(qū)域檢測算法研究(1)
- 基于顯著性分割的圖像分類算法研究.pdf
- SAR圖像顯著性檢測與分類算法研究.pdf
- 基于位置感知的圖像顯著性算法研究.pdf
- 基于顯著性檢測的圖像質(zhì)量評價
- 基于視覺顯著性的圖像檢索算法研究.pdf
- SAR圖像顯著性區(qū)域檢測算法.pdf
- 基于顯著性檢測模型的圖像分割算法研究.pdf
- 基于顯著性檢測的圖像質(zhì)量評價.pdf
- 基于HITS的圖像顯著性檢測算法.pdf
- 結(jié)合視覺顯著性的圖像質(zhì)量評價方法研究.pdf
- 基于顯著性分析和多特征融合的圖像檢索算法研究.pdf
- 基于稠密和稀疏重構(gòu)的圖像顯著性檢測算法.pdf
- 圖像頻域顯著性檢測.pdf
- 基于顯著性檢測的圖像融合算法研究.pdf
- 圖像顯著性檢測研究及其應用.pdf
- 基于視覺顯著性的圖像質(zhì)量評價方法研究.pdf
評論
0/150
提交評論