图像显著目标分割算法研究

发布时间：2021-01-27 07:44

　　近年来机器视觉在社会生活不同工程领域中得到广泛应用,而图像分割作为机器视觉的重要组成部分,对工程实际应用的精确性和可靠性有着决定性的影响。本文以提升图像分割的准确性为目的,通过学习研究图像显著目标分割算法,并以此为基础进行改进而提出了两种新的图像分割方法。1.针对现有自底向上的贝叶斯底层中层特征聚类（LMLC）和图模型流行排序（GMR）图像显著目标分割算法,在面对复杂场景图像时,存在背景错误突显的问题,本文提出结合稀疏重构与能量方程优化的图像显著目标分割算法。首先利用简单线性迭代聚类SLIC算法将输入图像分割为超像素以去除不必要的细节;然后选取图像边界超像素作为背景模板,以此构建稀疏字典进行稀疏重构计算重构误差,并作为超像素的初始显著值;最后利用图论模型流行排序能量方程所构造的目标函数对初始显著值优化,对优化后的结果进行前景增强得到最终显著图,进一步分割后便得到图像目标。将提出的算法与其他多种同类算法进行测试和对比,实验结果表明:提出的算法在复杂场景图像的显著目标分割中鲁棒性更好,能够对背景进行更有效的抑制,分割得到的图像目标也更加精确。2.通过图像演绎实验测试对比,本文发现现有自顶向... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

自然场景机器视觉就是利用机器设备对图像信息进行处理，以机器代替人眼和大脑的部分功

图 1-2 图像显著目标分割算法流(b)显著目标检测图 (c)阈值分割 图 1-3 图像显著目标分割示例性检测中的一类模型，显著点关注某一点区域，而显著目标的正确分割提取有重大几十年的发展，逐渐从最开目标为重点的检测，并且旨当今显著性检测领域应用于领域，视觉显著性就被研究渐发展成熟，视觉显著性理

西南交通大学硕士研究生学位论文 图，随后将其阈值分割突显显著目标，再进一步进行显著目标分割提取便得。由于在图像显著目标分割算法流程中，显著目标检测最为关键，包含了主算量，决定了最终图像目标分割质量的好坏，也是近年众多研究人员学习探所以本小节就主要叙述关于显著目标检测的研究发展现状。输入图像显著目标检测显著图阈值分割目标分割结果图 1-2 图像显著目标分割算法流程


本文编号：3002707