基于多级深度特征融合的RGB-T图像显著性目标检测

发布时间：2024-01-30 11:03

　　显著性目标检测致力于辨别图像中最醒目的目标或区域。近年来,显著性目标检测已经成为了认知领域和计算机学科内最为活跃的研究方向之一。作为图像的预处理步骤,显著性目标检测在视觉跟踪、图像识别、图像压缩、图像融合等视觉任务中起着至关重要的作用。传统的显著性目标检测算法过度依赖人工提取的特征,随着深度学习的广泛应用,基于深度学习的显著性目标检测研究取得了突破性进展。但目前大多数算法基于单一的RGB图像,获取的场景信息有限,在光照较差、背景复杂、对比低等挑战性场景下难以从背景中准确检测目标,而继续专注于RGB图像的显著性目标检测,对挑战性场景下检测性能的提升,可能收效甚微。本文利用RGB和热红外图像信息的补充关系,提出了一种基于多级深度融合特征的RGB-T图像显著性目标检测算法,并在公开数据集上进行实验,验证算法的有效性。论文的主要工作包括:首先,本文总结阐述了显著性目标检测领域的研究现状和基于RGB-T图像的计算机视觉算法研究,并着重介绍了三种与本文高度相关的主流检测算法,分别是基于短连接的深度监督条件下的显著性目标检测算法,基于流行排序模型的RGB-T图像显著性目标检测算法,基于多尺度深度特征...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 课题研究背景和意义
    1.2 显著性目标检测研究现状
    1.3 基于RGB-T图像的视觉研究
    1.4 论文的主要工作与章节安排
第二章 图像显著性目标检测主流算法回顾
    2.1 基于短连接的深度监督条件下的显著性目标检测算法
        2.1.1 短连接网络结构
        2.1.2 深度监督学习和显著性改善
        2.1.3 实验结果与分析
    2.2 基于流行排序模型的RGB-T图像显著性目标检测算法
        2.2.1 跨模态一致性的流型排序模型构建
        2.2.2 二阶段图的RGB-T显著性预测
        2.2.3 实验结果与分析
    2.3 基于多尺度深度特征和SVM的RGB-T显著性目标检测算法
        2.3.1 多尺度特征提取
        2.3.2 自适应显著性预测
        2.3.3 实验结果与分析
    2.4 本章小结
第三章 基于多级深度特征融合的RGB-T图像显著性目标检测
    3.1 单模态的多级特征提取
        3.1.1 粗提取的多级特征
        3.1.2 改善的单模态特征
    3.2 多分支组融合模块
        3.2.1 多组融合分支
        3.2.2 单组融合分支
    3.3 联合注意力指导的双向信息传递
        3.3.1 自底而上的信息传递
        3.3.2 自顶而下的信息传递
        3.3.3 联合的通道—空间注意力机制
    3.4 显著性估计
    3.5 本章小结
第四章 算法的实验结果与分析
    4.1 实验设置
        4.1.1 数据集
        4.1.2 模型训练
        4.1.3 补充说明
    4.2 算法评价指标
    4.3 与现有算法对比
        4.3.1 对比算法设置
        4.3.2 定性比较与分析
        4.3.3 定量比较与分析
    4.4 算法模块性能分析
        4.4.1 单模态多级特征提取的有效性
        4.4.2 多分支组融合的有效性
        4.4.3 联合注意力机制的有效性
    4.5 本章小结
第五章 总结与展望
    5.1 论文总结
    5.2 研究展望
参考文献
致谢
作者简介



本文编号：3890029