基于马尔可夫吸收链的显著性目标检测研究

发布时间：2023-04-17 06:04

　　显著目标是人类利用视觉,从复杂生活场景中快速地提取最突出最重要的物体,即与人的视觉相比,计算机的视觉检测还存在更大的挑战性。当前计算机视觉检测的经典算法和深度学习算法在图像显著性目标检测领域仍然存在亟需解决的问题,如对于暗图像或前景与背景颜色接近图像的显著性目标检测不完整、细节模糊或目标边界不清晰。针对上述问题,提出一种基于马尔可夫吸收链的显著性检测方法。首先,拉伸相邻像素的对比度,根据全局的相邻像素对比度,来制定最优函数增强图像对比度,用以扩大前景与背景的差异,突出完整的显著性目标;其次,在图像中添加不同程度的高频分量,利用高斯差分和角点检测提升图像细节;然后,构建串联和并联滤波器,对图像进行权重自适应的多结构形态学处理,使目标边界清晰、曲线平滑;最后,在超像素图像上构建双向马尔可夫吸收链,生成前景先验与背景先验的显著图,通过测地线距离的方法融合两种显著图并生成最终显著图。采用MSRA10K数据集和ECSSD数据集,与当前较流行的9种显著性目标检测算法进行比较,实验结果表明,本文方法的最终显著图可以突出前景、抑制杂乱的背景,并且显著性目标完整、图像细节清晰、边界平滑连续,在准确率和召...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 主要工作与章节安排
2 显著性目标检测方法的相关理论
    2.1 经典的显著性检测方法
    2.2 基于马尔可夫链的显著性检测方法
    2.3 基于直方图均衡化算法
    2.4 基于Retinex的图像增强算法
    2.5 图像数学形态学
    2.6 本章小结
3 基于马尔可夫吸收链的显著性目标检测方法
    3.1 基于马尔可夫吸收链的显著性目标检测模型
    3.2 双目标对比度增强技术
    3.3 多尺度图像细节提升技术
    3.4 自适应形态学
    3.5 基于简单线性迭代聚类算法
    3.6 基于双向马尔可夫吸收链的显著性检测方法
    3.7 测地线距离优化
    3.8 本章小结
4 实验及结果分析
    4.1 实验数据集和评价方法
    4.2 实验结果比较与分析
    4.3 本章小结
5 结论与展望
    5.1 结论
    5.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3792721