视觉显著性目标检测技术研究

发布时间：2017-06-11 05:11

  本文关键词：视觉显著性目标检测技术研究，由笔耕文化传播整理发布。

【摘要】：受启发于人类视觉系统能快速而准确地找出复杂场景中最令人感兴趣的区域,视觉显著性目标检测技术通过模拟人类视觉注意力机制自动检测场景中的显著目标,其在计算机视觉领域目标智能检测识别方面具有重要的理论意义和广泛的应用价值。鉴此,论文就自然场景下的视觉显著性目标检测方法展开研究,探究视觉显著性目标检测的基本原理和机制,建立其相应的计算模型。针对当前各种经典的视觉显著性检测模型所存在的实时性和精度问题,本文致力于检测精度的问题。采用自底向上的技术路线,通过建立合适的计算模型进行静态图像和视频动态图像的视觉显著性目标检测。论文首先介绍了静态图像视觉显著性目标检测中的图论模型,在前期学者们研究的基础上提出了一种结合吸收马尔科夫链和流形排序的改进算法,与之前的图论模型不同,本文同时考虑目标特征和背景特征并引入吸收马尔科夫链的被吸收时间来进行视觉显著性目标检测。进一步,鉴于该算法在背景占据图像中心区域较大面积时检测效果不佳的问题,引入流形排序进行背景抑制以提高算法的精度。另外,为提高算法的运行速度,模型首先对图像进行SLIC超级像素分割形成更大的像素集处理单元块,其次定义评分函数自适应选择流形排序,以同时兼顾算法的实时性与精度。论文进行了视频图像的视觉显著性目标检测,针对颜色特征的适应性不够的问题,本文从视频图像序列本身的特点引入两种新的视觉特征:运动特征和目标概率分布特征,由此形成视频图像对应三种特征的显著图。并从信息熵的角度,自适应加权融合三特征显著图以获得视频图像的最终显著图,得以提升算法的场景适应能力。基于标准数据集,本文进行了上述两种算法的系统测试,并和经典的主流视觉显著性目标检测算法进行了对比实验分析以进一步洞察模型的优势与不足和未来尚需进行研究的方向。实验结果表明上述两种算法提升了目标检测精度,但其所依赖目标在相应的视觉特征上必须是显著的假设,而制约了其目标检测能力,此还有待后期开展进一步的研究。
【关键词】：显著性目标检测 吸收马尔科夫链 流形排序 目标概率分布特征
【学位授予单位】：中国科学院研究生院(光电技术研究所)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢4-6
• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-16
• 1.1 引言11
• 1.2 研究背景与意义11-12
• 1.3 研究现状12-15
• 1.3.1 人眼注意点预测模型12-13
• 1.3.2 显著性目标检测模型13-15
• 1.4 技术难点15
• 1.5 文章组织结构15-16
• 2 静态图像视觉显著性目标检测16-36
• 2.1 引言16
• 2.2 基于图论的显著性检测算法16-19
• 2.3 吸收马尔科夫链19-20
• 2.3.1 吸收马尔科夫链的原理19
• 2.3.2 吸收马尔科夫链和显著性检测19-20
• 2.4 流形排序原理20
• 2.5 静态图像视觉显著性目标检测算法20-30
• 2.5.1 SLIC超像素分割22-26
• 2.5.2 基于吸收马尔科夫链的显著性目标检测26-28
• 2.5.2.1 图的建立26-27
• 2.5.2.2 显著性检测27-28
• 2.5.3 基于流形排序的进一步检测28-30
• 2.6 实验结果与分析30-35
• 2.6.1 视觉显著图30-31
• 2.6.2 性能评估31-35
• 2.7 本章小结35-36
• 3 视频图像视觉显著性目标检测36-58
• 3.1 引言36
• 3.2 经典的视频图像显著性检测算法36-38
• 3.3 特征提取38-48
• 3.3.1 运动特征38-42
• 3.3.1.1 光流估计39-42
• 3.3.1.2 运动差分计算42
• 3.3.2 目标概率分布特征42-48
• 3.3.2.1 多尺度显著线索(MS)42-43
• 3.3.2.2 颜色对比度线索(CC)43-45
• 3.3.2.3 超级像素跨界线索(SS)45
• 3.3.2.4 参数的学习45-46
• 3.3.2.5 目标概率分布计算46-48
• 3.4 视频图像视觉显著性目标检测算法48-52
• 3.4.1 运动显著图50
• 3.4.2 目标度量显著图50-51
• 3.4.3 显著图融合51-52
• 3.5 实验结果与分析52-57
• 3.5.1 视觉显著图52-54
• 3.5.2 性能评估54-57
• 3.6 本章小结57-58
• 4 总结与展望58-61
• 4.1 论文主要工作内容及创新点58-59
• 4.2 研究展望59-61
• 参考文献61-65
• 作者简介及在学期间发表的学术论文与研究成果65

【相似文献】

中国期刊全文数据库 前10条

1 戎顺熙 ,范良政;连续流通化学反应系统的马尔科夫链模型[J];浙江大学学报;1987年02期

2 张东晨;用离散马尔科夫链预测煤炭分选指标[J];选煤技术;1990年06期

3 范时平;分解—排序—更新法求解马尔科夫链[J];重庆邮电学院学报;1997年04期

4 龚雯;胡家福;;基于马尔科夫链在IT项目进度中的控制管理[J];电子测试;2013年24期

5 杨灿;杨敏华;汪齐松;;基于灰色马尔科夫链预测系统的设计与实现[J];测绘科学;2009年06期

6 李莉;;基于灰色马尔科夫链的小排量汽车销量预测研究[J];计算机光盘软件与应用;2014年05期

7 张婧;向泽林;;马尔科夫链在零售商品销售预测中的应用[J];成都航空职业技术学院学报;2013年03期

8 张环环;周丽娟;;马尔科夫链在通信市场3G用户预测中的应用[J];广西工学院学报;2013年01期

9 唐小我，曾勇，，曹长修;市场预测中马尔科夫链转移概率的估计[J];地质科技管理;1994年06期

10 李磊;杨瑞科;赵振维;;长春和新乡雨衰时间序列的马尔科夫链模拟[J];电波科学学报;2012年03期

中国重要会议论文全文数据库 前7条

1 王丹;雷艳红;黄永兴;李清;;马尔科夫链在综合造价指数预测中的应用[A];电网工程造价管理优秀论文[C];2011年

2 林斐;;马尔科夫链在地价趋势预测中的应用及分析[A];中国运筹学会第九届学术交流会论文集[C];2008年

3 郭昊坤;吴军基;应展烽;陆娴;;一类特殊随机序列的改进马尔科夫链建模[A];第十六届全国青年通信学术会议论文集（上）[C];2011年

4 张丽;杨庆媛;;马尔科夫链在土地利用结构优化中的运用探讨——以重庆市沙坪坝区为例[A];中国土地资源可持续利用与新农村建设研究[C];2008年

5 田琼;杨丽;罗婷;;基于马尔科夫链的停车寻位模型[A];中国系统工程学会第十八届学术年会论文集——A12系统科学与系统工程理论在各个领域中的应用研究[C];2014年

6 钱虹;骆建波;金蔚霄;周金明;臧旭东;;基于动态故障树的DEH系统优化的可靠性评价[A];智能化电站技术发展研讨暨电站自动化2013年会论文集[C];2013年

7 张炳汉;;灰色——马尔科夫链方法在甘蔗产量前景预测中的应用[A];模糊数学和系统成果会论文集[C];1991年

中国博士学位论文全文数据库 前2条

1 蒲冰远;马尔科夫链与网页排序问题的数值算法研究[D];电子科技大学;2015年

2 马海平;进化算法模型建立与性能分析研究[D];上海大学;2014年

中国硕士学位论文全文数据库 前10条

1 唐小勇;马尔科夫链问题算法研究[D];电子科技大学;2015年

2 汤龙浩;基于部分观测信息的CAN总线节点可靠性评估[D];浙江大学;2015年

3 李香春;能量高效的智能传感策略研究[D];哈尔滨工业大学;2016年

4 樊冬雪;基于优化灰色马尔科夫链模型的铁路客流量预测方法研究[D];重庆交通大学;2015年

5 刘春;出行者出行信息语义挖掘[D];山东理工大学;2015年

6 张强;基于随机调制的感应电机减振降噪策略研究[D];沈阳工业大学;2016年

7 黄烨;视觉显著性目标检测技术研究[D];中国科学院研究生院(光电技术研究所);2016年

8 汲剑锐;马尔科夫链应用的一些探讨[D];华中师范大学;2012年

9 王洪波;基于马尔科夫链的算法复杂度分析[D];大连理工大学;2007年

10 王振东;基于可控马尔科夫链的跳跃系统控制问题研究[D];中国科学技术大学;2014年

  本文关键词：视觉显著性目标检测技术研究，由笔耕文化传播整理发布。

本文编号：440849