基于结构信息分析的显著度检测

发布时间：2021-04-09 18:51

　　随着科技的高速发展,手机、相机、平板电脑等多媒体或智能终端设备逐渐普及,人们生活中充斥着大量的信息,需要存储和分析的图像数据规模海量增长,使得对视觉信息的处理变得有困难性和挑战性。图像的显著度检测借鉴人类视觉注意力选择机制,使计算机能够提取图像中的显著目标,并作为其他应用的预处理过程,具有深远的研究意义和应用前景,在计算机视觉、图像处理、人工智能等领域都有广泛应用并产生了深远影响。对于现有显著度检测模型的不足,本文以图像拓扑结构为研究出发点,从对比度和结构连通性两种角度分别构建显著度检测模型,以增强检测效果的稳定性和准确性。（1）针对现有模型中基于距离度量的对比度计算方法,容易忽略图像的拓扑结构信息或对拓扑结构描述不充分从而造成检测效果不理想的问题,提出了一种基于流形学习的显著度检测模型。该模型采用流形学习中的扩散映射方法,通过迭代过程由局部邻域向全局进行扩散,在这一过程中将特征差异与拓扑结构融合起来得到图像全局信息。此外,该模型提出一种平均扩散距离来计算图像单元之间的对比度,实验表明能够有效提高显著度检测模型的抗噪性和鲁棒性。（2）针对复杂背景图像中由于光照变化或噪声引起的边缘不清晰... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 自底向上显著度检测模型
        1.2.2 自顶向下显著度检测模型
        1.2.3 自底向上与自顶向下融合模型
    1.3 本文内容与章节安排
2 基础理论概述
    2.1 流形和流形学习
        2.1.1 流形
        2.1.2 流形学习
        2.1.3 几种常用的流形学习方法
    2.2 扩散和扩散模型
        2.2.1 扩散方程
        2.2.2 扩散模型
3 基于流形学习的显著度检测研究
    3.1 问题描述
    3.2 基于扩散映射的显著度检测
        3.2.1 图模型构建
        3.2.2 显著度定义
        3.2.3 算法描述
    3.3 实验结果与分析
        3.3.1 数据集和评价准则
        3.3.2 实验结果和分析
    3.4 本章小结
4 基于各向异性扩散的显著度检测研究
    4.1 问题描述
    4.2 基于各向异性扩散的显著度检测
        4.2.1 图模型构建
        4.2.2 显著度定义
        4.2.3 算法描述
    4.3 实验结果与分析
        4.3.1 数据集和评价标准
        4.3.2 实验结果和分析
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]基于被包围状态和马尔可夫模型的显著性检测[J]. 陈炳才,王西宝,余超,年梅,陶鑫,潘伟民,卢志茂.  计算机科学. 2018(10)
[2]基于视觉显著性与肤色分割的人脸检测[J]. 鲍小如,陈瑞,曹雪虹,焦良葆.  计算机技术与发展. 2018(04)
[3]基于扩散距离的SURF特征图像匹配算法[J]. 贡超,蒋建国,齐美彬.  合肥工业大学学报(自然科学版). 2015(04)
[4]一种改进的扩散映射算法[J]. 徐丽丽,闫德勤,刘彩凤,贾洪哲.  微型机与应用. 2015(08)
[5]基于模糊聚类的改进LLE算法[J]. 苏锦旗,张文宇.  计算机与现代化. 2014(05)
[6]菲克定律与扩散的热力学理论[J]. 何龙庆,林继成,石冰.  安庆师范学院学报(自然科学版). 2006(04)
[7]视知觉的拓扑结构[J]. 陈霖,赵松年.  世界科学. 1985(01)

博士论文
[1]显著性区域检测方法研究[D]. 杨智.华中科技大学 2015
[2]明度对比和拓扑结构在视知觉中的竞争[D]. 夏琼.浙江大学 2008

硕士论文
[1]基于超像素的图像分割算法研究[D]. 王阳.兰州理工大学 2018
[2]图像去噪的各向异性扩散方程研究[D]. 裴艳侠.西安理工大学 2017
[3]基于流形学习的人脸图像识别算法改进研究[D]. 甘航萍.贵州大学 2017
[4]基于扩散距离的带有表情变化的三维人脸识别[D]. 哈菁.大连理工大学 2010



本文编号：3128140