基于图的半监督学习与排序模型的视觉显著目标检测研究
发布时间：2021-10-10 06:10
随着网络技术的发展,数据量成爆发式的增长,如何从这些海量数据中提取有用的信息并进行有效的应用给人们带来了巨大的挑战。视觉注意是人类视觉系统识别场景相关部分的一种重要机制,人类可以轻松处理这些视觉信息,可以轻松的过滤无效数据,快速注意到感兴趣的事物。利用计算机模拟人类视觉系统,学习和借鉴人类视觉系统的生物认知机制来研究视觉问题受到学界越来越多的关注。显著目标检测研究就是利用计算机模拟人类视觉系统,定位到“感兴趣”或“重要”的区域。视觉显著目标检测结果可以作为多个其它研究领域的预处理过程,在图像检索、图像分割、目标识别等多个研究领域均有广泛的应用。半监督学习相比于传统的机器学习技术可以充分利用少量有标签的数据,利用大量的未标记数据的自身特性,辅助提高学习的预测性能。基于图的半监督学习方法模型应用广泛,在显著目标检测当中有很多的应用,取得了很好的检测结果。比如随机游走模型、流形排序模型等。现有的方法虽取得了一定的进展,但依然存在一些问题,本文重点对已有的基于图的半监督学习的视觉显著目标检测方法展开研究,提出多个模型并在多个数据集上进行了验证。本文主要研究内容有:基于全局和局部一致性排序模型的...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：103 页
【学位级别】：博士
【部分图文】：
图３．１蚂蚁的随机游走过程??Ｆｉｇ．?３．１?Ｔｈｅ?ｒａｎｄｏｍ?ｗａｌｋ?ｐｒｏｃｅｓｓ?ｏｆ?ａｎｔｓ??
将这个过程抽象为一个有向图，将各个地点当作图的节点，将爬行方向作??为边的方向，各个方向爬行的概率作为边的权重，从而将蚂蚁的随机游走过程转??换为图３．２所示的状态转移图，其中１，２，?３，?４分别表示图的节点。将现实应??用问题抽象为数学模型以后，图上的各种理论就可以应用以解决相关的问题。??１Ｃ＼?１／３?＾??ｙｉ／３?ｉ／３?１??＠?ｋ）??１??图３．２状态转移图??Ｆｉｇ．?３．２?ｓｔａｔｅ?ｔｒａｎｓｉｔｉｏｎ?ｄｉａｇｒａｍ??根据图３．１的蚂蚁爬行过程可以获得图３．２所示的状态转移图，四个妈蚁所??处的位置可以设定为１，?２，?３，?４状态，箭头指向为状态转移方向，每一个状态??转移都有对应的概率，从状态１到达状态１的概率为１，即Ｆｕ?＝?１，从状态２到??达状态１的概率为１／３，?即Ｆ２：ｌ?＝?ｌ，依此类推，因此，这四只蚂蚁的随机爬行过??程就可以根据图３．２的妈蚁的状态转移图，获得公式（３．２）所示的马尔科夫链上的??状态转移矩阵Ｆ。??／?１?０?０?０?＼??Ｆ＝?”?二３?？?（３．２）??Ｖ?０?０?１?０?／??３．２．３吸收马尔科夫链??在马尔科夫链中，至少存在一个吸收状态，即存在某一个Ｆｉ；?＝?ｌ；且对其中??１６??
在基于图模型的显著目标检测当中，一般先将图像分割成多个图像块，根据图像??块自身的信息以及图像块之间的联系来捕获图像的本质特性。首先给定一幅图像??Ｉ，使用线性迭代聚类（ＳＬＩＣ）算法［８４］将图像分成ｎ个超像素块，如图３．３左边所??７Ｊｎ?〇??ＨＲＨＲＩ?ＩＩ??．＇乘ｗ々榻，一??Ｗ??Ｄ二：?：？??图３．３构造全局信息图??Ｆｉｇ．?３．３?Ｃｏｎｓｔｒｕｃｔｉｏｎ?ｏｆ?Ｇｒａｐｈ?ｆｏｒ?Ｇｌｏｂａｌ?Ｃｕｅｓ??为获得图像的全局信息和局部信息，分别构造两个图：全局信息图??Ｇ没＝（Ｖ＼ＥＳ）和局部信息图Ｇ；?＝?（ＶＺ，ＥＺ）。??１９??
【参考文献】：
期刊论文
[1]视觉注意力检测综述[J]. 王文冠,沈建冰,贾云得. 软件学报. 2019(02)
[2]多视角学习综述[J]. 唐静静,田英杰. 数学建模及其应用. 2017(03)
[3]一种基于图的流形排序的显著性目标检测改进方法[J]. 吕建勇,唐振民. 电子与信息学报. 2015(11)
[4]基于人类视觉系统的立体图像质量评价方法[J]. 王海亮,姜峰,高文. 智能计算机与应用. 2014(01)
[5]流形学习算法综述[J]. 王自强,钱旭,孔敏. 计算机工程与应用. 2008(35)
[6]视觉注意选择性的认知心理学理论研究进展[J]. 王健,朱祖祥. 应用心理学. 1997(01)
博士论文
[1]基于贝叶斯方法的半监督学习算法研究[D]. 江兵兵.中国科学技术大学 2019
[2]基于视觉显著性的显著区域提取方法及其应用研究[D]. 梁晔.北京交通大学 2018
[3]基于图的大规模半监督学习算法及应用研究[D]. 刘斌.电子科技大学 2017
[4]视觉显著性检测模型研究及应用[D]. 林名强.中国科学技术大学 2016
[5]基于视觉感知与注意机制的图像显著目标检测[D]. 霍丽娜.西安电子科技大学 2016
[6]基于视觉认知理论的视频目标检测及分割研究[D]. 涂铮铮.安徽大学 2015
[7]视觉感知的稀疏编码理论及其应用研究[D]. 李清勇.中国科学院研究生院（计算技术研究所） 2006
硕士论文
[1]基于稀疏模型与随机游走算法的肺部大肿瘤分割[D]. 王洁.河北大学 2019
[2]多视角子空间学习方法及其应用研究[D]. 孔阿栋.大连理工大学 2018
[3]多视角数据分析算法研究[D]. 陶红.国防科学技术大学 2014
本文编号：3427810
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：103 页
【学位级别】：博士
【部分图文】：
图３．１蚂蚁的随机游走过程??Ｆｉｇ．?３．１?Ｔｈｅ?ｒａｎｄｏｍ?ｗａｌｋ?ｐｒｏｃｅｓｓ?ｏｆ?ａｎｔｓ??
将这个过程抽象为一个有向图，将各个地点当作图的节点，将爬行方向作??为边的方向，各个方向爬行的概率作为边的权重，从而将蚂蚁的随机游走过程转??换为图３．２所示的状态转移图，其中１，２，?３，?４分别表示图的节点。将现实应??用问题抽象为数学模型以后，图上的各种理论就可以应用以解决相关的问题。??１Ｃ＼?１／３?＾??ｙｉ／３?ｉ／３?１??＠?ｋ）??１??图３．２状态转移图??Ｆｉｇ．?３．２?ｓｔａｔｅ?ｔｒａｎｓｉｔｉｏｎ?ｄｉａｇｒａｍ??根据图３．１的蚂蚁爬行过程可以获得图３．２所示的状态转移图，四个妈蚁所??处的位置可以设定为１，?２，?３，?４状态，箭头指向为状态转移方向，每一个状态??转移都有对应的概率，从状态１到达状态１的概率为１，即Ｆｕ?＝?１，从状态２到??达状态１的概率为１／３，?即Ｆ２：ｌ?＝?ｌ，依此类推，因此，这四只蚂蚁的随机爬行过??程就可以根据图３．２的妈蚁的状态转移图，获得公式（３．２）所示的马尔科夫链上的??状态转移矩阵Ｆ。??／?１?０?０?０?＼??Ｆ＝?”?二３?？?（３．２）??Ｖ?０?０?１?０?／??３．２．３吸收马尔科夫链??在马尔科夫链中，至少存在一个吸收状态，即存在某一个Ｆｉ；?＝?ｌ；且对其中??１６??
在基于图模型的显著目标检测当中，一般先将图像分割成多个图像块，根据图像??块自身的信息以及图像块之间的联系来捕获图像的本质特性。首先给定一幅图像??Ｉ，使用线性迭代聚类（ＳＬＩＣ）算法［８４］将图像分成ｎ个超像素块，如图３．３左边所??７Ｊｎ?〇??ＨＲＨＲＩ?ＩＩ??．＇乘ｗ々榻，一??Ｗ??Ｄ二：?：？??图３．３构造全局信息图??Ｆｉｇ．?３．３?Ｃｏｎｓｔｒｕｃｔｉｏｎ?ｏｆ?Ｇｒａｐｈ?ｆｏｒ?Ｇｌｏｂａｌ?Ｃｕｅｓ??为获得图像的全局信息和局部信息，分别构造两个图：全局信息图??Ｇ没＝（Ｖ＼ＥＳ）和局部信息图Ｇ；?＝?（ＶＺ，ＥＺ）。??１９??
【参考文献】：
期刊论文
[1]视觉注意力检测综述[J]. 王文冠,沈建冰,贾云得. 软件学报. 2019(02)
[2]多视角学习综述[J]. 唐静静,田英杰. 数学建模及其应用. 2017(03)
[3]一种基于图的流形排序的显著性目标检测改进方法[J]. 吕建勇,唐振民. 电子与信息学报. 2015(11)
[4]基于人类视觉系统的立体图像质量评价方法[J]. 王海亮,姜峰,高文. 智能计算机与应用. 2014(01)
[5]流形学习算法综述[J]. 王自强,钱旭,孔敏. 计算机工程与应用. 2008(35)
[6]视觉注意选择性的认知心理学理论研究进展[J]. 王健,朱祖祥. 应用心理学. 1997(01)
博士论文
[1]基于贝叶斯方法的半监督学习算法研究[D]. 江兵兵.中国科学技术大学 2019
[2]基于视觉显著性的显著区域提取方法及其应用研究[D]. 梁晔.北京交通大学 2018
[3]基于图的大规模半监督学习算法及应用研究[D]. 刘斌.电子科技大学 2017
[4]视觉显著性检测模型研究及应用[D]. 林名强.中国科学技术大学 2016
[5]基于视觉感知与注意机制的图像显著目标检测[D]. 霍丽娜.西安电子科技大学 2016
[6]基于视觉认知理论的视频目标检测及分割研究[D]. 涂铮铮.安徽大学 2015
[7]视觉感知的稀疏编码理论及其应用研究[D]. 李清勇.中国科学院研究生院（计算技术研究所） 2006
硕士论文
[1]基于稀疏模型与随机游走算法的肺部大肿瘤分割[D]. 王洁.河北大学 2019
[2]多视角子空间学习方法及其应用研究[D]. 孔阿栋.大连理工大学 2018
[3]多视角数据分析算法研究[D]. 陶红.国防科学技术大学 2014
本文编号：3427810
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3427810.html
最近更新
教材专著
