基于图像空间域的显著性目标检测与识别方法研究
发布时间：2021-04-18 02:17
在机器视觉与自动目标检测等领域显著目标提取都有非常重要的作用。机器视觉即使用机器来模拟人眼做各种检测与识别判断等工作。将拍摄的目标转化成图像信号,再进行图像处理,根据图像的颜色、亮度以及像素分布等信息,转化成数字化信息。目标识别可以说是生物视觉系统感知外部世界非常重要的功能。自动化的目标检测要求从图像中读取隐含的信息,这样的具有多样性,可以是形状、颜色、形态、材质,也可以是与周围物体的相互关系、运动、先验知识/期望、推理等。所以识别不是采取单一特征就可以完成的,显著目标检测是其中的关键步骤。图像显著性是图像中重要的视觉特征,自从1998年Itti方法提出以来,吸引了大批学者对显著性目标提取问题开展相关研究工作,但大多数方法还是基于灰度图像进行研究的。由于人眼视图首先捕获对人的视觉刺激比较大的部分,本文主要研究的是彩色图像的显著性目标提取,即将人眼视图的最敏感的区域提取出来。本文首先提出了一种图像显著性目标检测与识别算法,该算法利用到了Wigner-Ville分布,通过调整角度来调整水平垂直方向上的一维PWVD的Renyi熵,然后对Renyi熵图进行处理,从而获得彩色图像基于Wigner...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：53 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 本文组织结构
第2章 图像显著性目标检测与识别技术
2.1 引言
2.2 图像预处理
2.2.1 Wigner-Ville分布
2.2.2 均值滤波的原理及实现
2.2.3 高斯滤波的原理以及实现
2.3 图像显著性识别方法
2.3.1 Itti算法
2.3.2 Spectral Residual算法
2.4 本章小结
第3章 基于Renyi熵的图像显著性目标检测方法
3.1 算法思想
3.2 显著性目标检测算法流程
3.3 Renyi熵
3.3.1 Renyi熵定义
3.3.2 熵的统计特性
3.4 滤波处理
3.4.1 均值滤波处理
3.4.2 高斯滤波处理
3.5 二值化处理
3.6 算法测试与分析
3.7 本章小结
第4章 结合颜色信息的显著性目标识别算法
4.1 算法思想
4.2 显著性目标识别算法流程
4.3 颜色描述符
4.3.1 RGB颜色空间
4.3.2 颜色特征提取
4.4 图像融合
4.5 实验结果与分析
4.5.1 不同算法对比实验
4.5.2 算法鲁棒性分析
4.6 本章小结
第5章 总结与展望
5.1 工作总结
5.2 研究展望
参考文献
作者简介及在校期间所取得的科研成果
致谢
【参考文献】：
期刊论文
[1]基于马尔科夫链的显著性区域检测算法研究[J]. 陈曦,范敏,熊庆宇. 计算机工程与应用. 2016(07)
[2]基于视觉机制的图像显著性检测与提取[J]. 李毅晖,蔡勋,王怀晖. 系统仿真学报. 2014(09)
[3]基于多层次互补特征的通用目标检测模型[J]. 潘泓,金立左,夏思宇,夏良正. 电子与信息学报. 2012(07)
[4]基于伪Wigner-Ville分布和Rnyi熵的显著图目标检测[J]. 许元男,赵远,刘丽萍,张宇,孙秀冬. 物理学报. 2010(02)
[5]彩色图像分割方法综述[J]. 林开颜,吴军辉,徐立鸿. 中国图象图形学报. 2005(01)
[6]多项式Wigner-Ville分布（PWVD）的系数设计[J]. 张晓冬,吴乐南. 电路与系统学报. 2003(04)
博士论文
[1]基于视觉显著性的目标检测方法与应用研究[D]. 刘君玲.吉林大学 2014
[2]视觉显著性计算及其应用研究[D]. 杨军.华南理工大学 2014
[3]基于人类视觉系统的图像信息感知和图像质量评价[D]. 吴金建.西安电子科技大学 2014
[4]视觉显著性应用研究[D]. 敖欢欢.中国科学技术大学 2013
[5]彩色图像处理中几个基本问题的研究[D]. 杨振亚.华东师范大学 2008
硕士论文
[1]复杂背景下显著性目标快速检测技术研究[D]. 邹强.中国科学院研究生院（光电技术研究所） 2014
[2]基于对比度的视觉显著性研究[D]. 宋腾.杭州电子科技大学 2014
[3]基于上下文和背景的视觉显著性检测[D]. 王飞.大连理工大学 2013
[4]彩色图像分割算法研究[D]. 胡博.电子科技大学 2009
本文编号：3144600
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：53 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 本文组织结构
第2章 图像显著性目标检测与识别技术
2.1 引言
2.2 图像预处理
2.2.1 Wigner-Ville分布
2.2.2 均值滤波的原理及实现
2.2.3 高斯滤波的原理以及实现
2.3 图像显著性识别方法
2.3.1 Itti算法
2.3.2 Spectral Residual算法
2.4 本章小结
第3章 基于Renyi熵的图像显著性目标检测方法
3.1 算法思想
3.2 显著性目标检测算法流程
3.3 Renyi熵
3.3.1 Renyi熵定义
3.3.2 熵的统计特性
3.4 滤波处理
3.4.1 均值滤波处理
3.4.2 高斯滤波处理
3.5 二值化处理
3.6 算法测试与分析
3.7 本章小结
第4章 结合颜色信息的显著性目标识别算法
4.1 算法思想
4.2 显著性目标识别算法流程
4.3 颜色描述符
4.3.1 RGB颜色空间
4.3.2 颜色特征提取
4.4 图像融合
4.5 实验结果与分析
4.5.1 不同算法对比实验
4.5.2 算法鲁棒性分析
4.6 本章小结
第5章 总结与展望
5.1 工作总结
5.2 研究展望
参考文献
作者简介及在校期间所取得的科研成果
致谢
【参考文献】：
期刊论文
[1]基于马尔科夫链的显著性区域检测算法研究[J]. 陈曦,范敏,熊庆宇. 计算机工程与应用. 2016(07)
[2]基于视觉机制的图像显著性检测与提取[J]. 李毅晖,蔡勋,王怀晖. 系统仿真学报. 2014(09)
[3]基于多层次互补特征的通用目标检测模型[J]. 潘泓,金立左,夏思宇,夏良正. 电子与信息学报. 2012(07)
[4]基于伪Wigner-Ville分布和Rnyi熵的显著图目标检测[J]. 许元男,赵远,刘丽萍,张宇,孙秀冬. 物理学报. 2010(02)
[5]彩色图像分割方法综述[J]. 林开颜,吴军辉,徐立鸿. 中国图象图形学报. 2005(01)
[6]多项式Wigner-Ville分布（PWVD）的系数设计[J]. 张晓冬,吴乐南. 电路与系统学报. 2003(04)
博士论文
[1]基于视觉显著性的目标检测方法与应用研究[D]. 刘君玲.吉林大学 2014
[2]视觉显著性计算及其应用研究[D]. 杨军.华南理工大学 2014
[3]基于人类视觉系统的图像信息感知和图像质量评价[D]. 吴金建.西安电子科技大学 2014
[4]视觉显著性应用研究[D]. 敖欢欢.中国科学技术大学 2013
[5]彩色图像处理中几个基本问题的研究[D]. 杨振亚.华东师范大学 2008
硕士论文
[1]复杂背景下显著性目标快速检测技术研究[D]. 邹强.中国科学院研究生院（光电技术研究所） 2014
[2]基于对比度的视觉显著性研究[D]. 宋腾.杭州电子科技大学 2014
[3]基于上下文和背景的视觉显著性检测[D]. 王飞.大连理工大学 2013
[4]彩色图像分割算法研究[D]. 胡博.电子科技大学 2009
本文编号：3144600
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3144600.html
