基于图学习与标签传播优化模型的图像协同显著性目标检测

发布时间：2022-01-08 02:14

　　协同显著性目标检测是计算机视觉和多媒体领域中一个重要的研究课题,已广泛应用于计算机视觉领域。协同显著性目标检测的任务是从一组相关图像中自动定位公共的显著目标或区域。协同显著性目标检测任务的主要挑战是如何利用图像内和图像间的相关信息检测出具有相同前景的区域。本文针对协同显著性目标检测任务在机器学习和深度学习领域做了探讨,用图构建学习、多图学习、图卷积神经网络、标签传播等方面技术解决协同显著性目标检测问题。第一,提出了一种关于协同显著性目标检测统一能量优化模型。所提出的模型将图像的结构信息、图像的前景背景先验、图像的线性特征集成在一起,获得鲁棒准确的图像协同显著性目标。统一能量优化模型的主要优点是它可以通过标签传播,线性投影和背景/前景先验正则化,为提取图像内和图像间的相关信息提供了一种有效的方法进行协同显著性目标检测。提出了一种有效的算法获得模型的全局最优解。实验表明,在两个广泛使用的基准数据集上,统一能量优化模型具有较好的性能。第二,针对协同显著性目标检测问题提出自适应图学习优化模型。所提出的模型除了背景和前景先验正则化、图像的结构信息和多个图像特征的线性整合,此外,还根据图像特征预测... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图模型的构架：黄线表示连接的边Fig3.1Illustrationoftheproposedgraphmodel:theyellowlinesdemonstratesomeexamplesoftheedgeconnections

第三章基于图学习与能量优化模型的协同显著性目标检测18图3.2对比方法在iCoseg数据集评估Fig3.2ComparisonmethodoniCosegdataset图3.3对比方法在MSRC数据集评估Fig3.3ComparisonmethodonMSRCdataset

第三章基于图学习与能量优化模型的协同显著性目标检测18图3.2对比方法在iCoseg数据集评估Fig3.2ComparisonmethodoniCosegdataset图3.3对比方法在MSRC数据集评估Fig3.3ComparisonmethodonMSRCdataset

【参考文献】：
期刊论文
[1]特征融合和多重约束的协同显著性检测[J]. 金志刚,李静昆.  计算机辅助设计与图形学学报. 2019(09)
[2]基于对象性和多层线性模型的协同显著性检测[J]. 金志刚,李静昆.  光学精密工程. 2019(08)
[3]协同视觉显著性检测方法综述[J]. 钱晓亮,白臻,陈渊,张鼎文,史坤峰,王芳,吴青娥,毋媛媛,王慰.  电子学报. 2019(06)

硕士论文
[1]视觉协同显著性目标检测算法研究[D]. 邓浩海.兰州理工大学 2016
[2]基于多示例学习的群组图像协同显著性分析[D]. 邢妍妍.北京交通大学 2016



本文编号：3575703