基于区域对比度优化的图像显著特征提取

发布时间：2023-03-07 21:30

　　现在图像的特征提取广泛运用在不同的领域中,并且起到了非常重要的作用。显著性的处理在计算机视觉中发挥着重大的作用,并且在此领域可以运用于不同的方面。同时结合显著性的特征提取可以达到更好的提取效果,在实践过程中结合实际情况,可以探索出更多有价值的显著性处理方法。在日常生活的自然场景中检测并且分割显著对象,即显著目标检测已经吸引了计算机视觉方面的许多集中研究,并且由此产生了很多实际应用。然而,尽管生活中已经存在了很多模型,但是对于已有成果和现实中遇到问题的深入理解与运用依然非常缺乏。此外,显著性检测运用于不同的学科,包括生物科学和药学等方面,基于显著性检测的显著特征提取可以促进学科技术的发展,所以深入研究图像的显著特征提取具有很大的价值。目前已有较为成熟的显著性检测算法,但是随着应用范围逐渐增大,新的用以解决现实中遇到的问题的算法也应该被逐渐优化。本文中实现的是首先将原始图像映射到特征空间,完成了对原始图像的分割处理。之后再根据分割区域的欧式距离和权重计算显著性值,由此确定显著区域的形状边界等因素。在本文中优化实现的部分主要是针对高斯差分的加权优化。并且完成了在分析已有区域对比对的理论基础下...

【文章页数】：59 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 主要研究内容
    1.4 论文组织结构
第2章 相关理论与技术
    2.1 人眼视觉特征
    2.2 视觉显著性基础
        2.2.1 显著对象处理
        2.2.2 对比度原理
        2.2.3 显著特征检测模型
    2.3 典型显著性检测算法
        2.3.1 IT算法
        2.3.2 SR算法
        2.3.3 AC算法
        2.3.4 FT算法
        2.3.5 GB算法
    2.4 常用显著性检测算法比较
    2.5 本章总结
第3章 基于对比度的显著性检测
    3.1 显著特征处理模型
    3.2 显著特征处理实现
        3.2.1 色彩空间
        3.2.2 方向特征
        3.2.3 形状特征
    3.3 图像分割处理
    3.4 基于全局对比度的算法应用
        3.4.1 Histogram Contrast算法
        3.4.2 Global Contrast算法
    3.5 基于局部对比度的RC算法应用
    3.6 本章总结
第4章 显著特征处理与应用
    4.1 算法实现流程
    4.2 显著特征优化处理
        4.2.1 高斯分布模型计算
        4.2.2 空间加权优化
    4.3 实验效果对比
        4.3.1 场景应用效果对比
        4.3.2 图像数据集效果对比
    4.4 本章总结
第5章 总结与展望
    5.1 全文总结
    5.2 工作展望
参考文献
作者简介及在学期间所取得的科研成果
致谢



本文编号：3757922