基于引导学习和局部约束线性编码的显著性检测算法研究

发布时间：2017-04-17 04:17

  本文关键词：基于引导学习和局部约束线性编码的显著性检测算法研究，由笔耕文化传播整理发布。

【摘要】：传统的显著性目标检测算法习惯于应用图像底层特征,或者采用大量的含有人工标注真值的样本图像训练一个高层学习模型。然而在本文中,我们提出了两种显著性检测方法,其中既应用了底层特征,同时也研究开发了无需人工标签的学习模型。第一种方法为基于引导学习的模型,该方法包含了弱显著性检测模型和强显著性检测模型两部分,步骤如下：首先,我们基于图像先验信息以及区域对比度信息构建弱显著图,该图为之后的强显著性检测模型提供可靠的训练样本。其次,利用上述方法在同一张图片的多个尺度内提取样本集合,并根据该样本采用多核学习增强的方法训练得到一个强显著性检测模型,再将该模型应用到该图片的所有测试样本中,得到强显著图。然后,融合多尺度的强显著图进一步提高显著图的准确性。最后,我们结合弱显著图与强显著图作为基于引导学习方法的最终显著图。另外一种算法是基于局部约束线性编码方法,该方法结合了局部与全局特征进行显著性目标检测,步骤如下：首先,通过考虑基于底层特征的全局信息构建一个自底向上的显著性检测模型,与第一种方法的弱显著图类似,自底向上的显著图为之后的基于编码的方法提供前景以及背景字典。接下来,本文采用基于局部约束线性编码方法,根据重构误差构建自顶向下的显著图。最后,结合自底向上以及自顶向下的两种显著图得到最终的显著性检测结果。本文在六个公开的显著性检测数据库上对本文提出的算法以及19种国际领先的算法进行对比评测,评测标准为该领域广泛应用的三种方法：准确率-召回率曲线(P-R)、ROC曲线下面积(AUC)以及F-measure值。本文通过大量的实验证明了本文算法的有效性和鲁棒性,并且与现有模型相比具有明显的优越性。此外,本文提出的两种方法能够很容易的应用于其他现有算法,从而大幅度提高其他算法的性能。
【关键词】：多核学习 局部约束线性编码 显著图 引导学习
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.2
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-14
• 1.1 研究背景及选题意义8-10
• 1.2 经典算法及研究现状10-12
• 1.3 本文研究内容和结构安排12-14
• 2 相关研究及本文贡献14-19
• 2.1 相关研究及存在问题14-16
• 2.1.1 基于区域对比度的显著性检测14-15
• 2.1.2 基于先验知识的显著性检测15
• 2.1.3 基于稀疏编码的显著性检测15-16
• 2.1.4 基于多核学习的显著性检测16
• 2.2 本文工作及贡献16-19
• 3 基于引导学习的显著性目标检测算法19-29
• 3.1 图像特征19-20
• 3.2 图像先验信息20-22
• 3.3 弱显著性检测模型22-24
• 3.4 强显著性检测模型24-27
• 3.5 显著图的多尺度结合27-28
• 3.6 弱显著图与强显著图的结合28-29
• 4 基于局部约束线性编码的显著性目标检测算法29-35
• 4.1 自底向上模型29-30
• 4.2 字典的构造30-31
• 4.3 自顶向下的模型31-32
• 4.4 前景背景字典增强32-33
• 4.5 局部与全局结合的最终显著图33-35
• 5 实验35-52
• 5.1 数据库介绍35-36
• 5.2 评测方法介绍36-38
• 5.2.1 P-R曲线36-37
• 5.2.2 AUC37
• 5.2.3 F-measure37-38
• 5.3 本文算法分析38-42
• 5.3.1 算法解析38-39
• 5.3.2 特征分析39-40
• 5.3.3 参数选择40-42
• 5.4 本文算法与其他现有算法比较42-48
• 5.4.1 定性评测42
• 5.4.2 定量评测42-48
• 5.5 利用本文算法优化其他现有方法48-51
• 5.6 本文算法的不足51-52
• 结论52-54
• 参考文献54-58
• 攻读硕士学位期间发表学术论文情况58-60
• 致谢60-62

【相似文献】

中国期刊全文数据库 前10条

1 罗洪霞;;一种基于微处理器的线性编码技术的研究与实现[J];现代电子技术;2011年16期

2 张舜德,方强,卢秉恒;两个采样解码的线性编码轮廓术:最佳相移量,精度及应用[J];光学学报;1998年06期

3 冯蓓;;月半弯[J];通信技术;2005年11期

4 张舜德,方强,卢秉恒;对称线性编码测量的三维轮廓术[J];光电工程;1999年03期

5 秦桂红;谭小彬;程文斐;;丢包感知的线性编码在无线Mesh网络中的应用[J];电子技术;2011年08期

6 张志亮;卿粼波;刘英;;一种线性编码半随机构造LDPC码及其仿真[J];通信技术;2009年02期

7 刘毅青;LDPC码在IEEE802.16a协议中的应用[J];广东通信技术;2004年12期

8 齐行行;;解决LDPC码准线性编码复杂度的贪婪置换算法[J];信息工程大学学报;2011年05期

9 黄志亮;端木春江;周水红;;高性能准循环低密度奇偶校验码的构造[J];计算机时代;2009年05期

10 李会雅,王兰勋,师建英;低密度校验码的蚕食算法线性编码[J];现代电子技术;2005年11期

中国重要会议论文全文数据库 前2条

1 庄连生;高浩渊;刘超;俞能海;;非负稀疏局部线性编码[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

2 艾浩军;张敏;方禹;赵梦蕾;李泰舟;王红霞;;视觉词汇的主成分线性编码方法研究[A];第八届和谐人机环境联合学术会议（HHME2012)论文集NCMT[C];2012年

中国博士学位论文全文数据库 前2条

1 张伟;结构化低密度奇偶校验码编码算法与关键技术研究[D];华中科技大学;2009年

2 彭立;逼近容量限的类随机结构LDPC码研究[D];华中科技大学;2009年

中国硕士学位论文全文数据库 前1条

1 佟娜;基于引导学习和局部约束线性编码的显著性检测算法研究[D];大连理工大学;2015年

  本文关键词：基于引导学习和局部约束线性编码的显著性检测算法研究，由笔耕文化传播整理发布。

，

本文编号：312400