基于时空对比度的视频显著度提取技术研究

发布时间：2021-01-11 17:41

　　近年来,随着科技的快速发展,图像与视频数据都在以爆炸式的速度增长,为了快速处理大量的图像与视频数据,从中快速提取出有用的信息,研究人员越来越重视显著性提取技术的研究。显著性检测的目的是为了检测出一幅图像或者一段视频中的显著目标所在的区域,根据人类视觉机制显示,该显著区域就是人眼最关心的区域,通常越显著的区域包含的信息越有价值。显著度检测广泛用于图像分割、目标识别、图像压缩、图像检索等领域中。针对图像视频,提出了一种基于频域和目标性的图像显著度提取方法和一种基于显著连续性和图论的视频显著度提取方法。第一种是基于频域和目标性的图像显著度提取方法。该方法首先对输入图像进行曲波变换,然后通过曲波变换重建提取出特征图,接着提取输入图像的目标性特征图,紧接着对输入图像进行超像素分割,根据自定义一致性策略,先将特征超像素与目标性超像素做一致性对比,然后将特征图与目标性特征图做整体一致性对比,获取最佳特征超像素和最佳特征图,最后通过自定义融合策略生成最终图像显著图,本章提出的图像显著度提取方法在MSRA1000和CSSD数据库上都表现出了很好的效果,其选出的目标区域更为符合人类的视觉系统。第二种是基于... 

【文章来源】：南京邮电大学江苏省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

视觉显著性举例

图 2.1 自底向上的视觉显著模型基本结构对图像进行特征提取，主要包含如下四个特征：颜色特征、征。然后通过利用提取出的四大特征数据来计算各个对象的著性值，最后对所有对象的显著性值进行融合来获取最终显本流程主要用于处理图像，而无法对视频序列进行处理，为人员对该模型进行了改进，比较经典的模型是文献[34]中，作，还在此基础上，增加了另一大重要特征，即运动特征，来信息，即突变信息，对比度越大，其显著性也就越强。下视觉注意机制视觉注意机制（即以任务为驱动的认识机制）是注意力机制

硕士研究生学位论文 第二章 图像/视有必要的。的注意机制，任务驱动（Task-driven processing）（1）任务驱动。所谓任务是指布置的观察任务，它我们可以有意识的控制其内部信息处理过程，从而于任务驱动的注意机制是一种控制加工的过程，它在，因此相较于数据驱动的注意机制来说，其处理速ricI.Knudsen提出了一种结合自底向上和自顶向下的综、竞争选择机制、自底向上视觉注意模型和自顶向觉注意模型处理过程为外部刺激通过显著性滤波器不同层次的神经元对不同程度的响应、记忆交互以记忆部分、注视控制部分和竞争选择部分共同合作。

【参考文献】：
期刊论文
[1]基于超像素时空特征的视频显著性检测方法[J]. 李艳荻,徐熙平.  光学学报. 2019(01)
[2]基于颜色和运动空间分布的时空显著性区域检测算法[J]. 郑云飞,张雄伟,曹铁勇,杨吉斌.  计算机应用研究. 2017(07)
[3]视觉显著性导向的图像压缩感知测量与重建[J]. 李然,李艳灵,崔子冠,朱秀昌.  华中科技大学学报(自然科学版). 2016(05)
[4]基于区域协方差的视频显著度局部空时优化模型[J]. 田畅,姜青竹,吴泽民,刘涛,胡磊.  电子与信息学报. 2016(07)
[5]基于视觉显著性的分块自适应压缩感知算法[J]. 王蓉芳,陈佳伟,焦李成,孙奕菲.  华中科技大学学报(自然科学版). 2015(01)
[6]基于显著性信息和方向变换的图像压缩感知[J]. 胡开云,熊承义,周城,时翔,张晓咏.  微型机与应用. 2013(08)

博士论文
[1]监控视频中的异常行为检测研究[D]. 叶芳芳.浙江大学 2014

硕士论文
[1]机载光电系统中红外典型目标检测、识别与跟踪技术研究[D]. 孙泽军.南京航空航天大学 2017
[2]基于视觉显著性的红外小目标检测算法研究[D]. 白婷.华中科技大学 2016
[3]视频监控中的时空显著目标跟踪[D]. 秦利斌.苏州大学 2015
[4]基于显著性信息的图像块压缩感知编码方法研究[D]. 胡开云.中南民族大学 2013
[5]基于显著性分析和多特征融合的图像检索算法研究[D]. 陈龙.电子科技大学 2013



本文编号：2971206