基于超图的协同显著性物体检测算法研究

发布时间：2023-04-22 00:57

　　在显著性物体检测领域,有针对单幅图像的显著性物体检测技术和针对多幅图像的协同显著性物体检测技术两个方面。这两项技术都是利用模型或者算法使计算机自动识别并提取自然图像中符合人类视觉特性,且吸引人类视觉注意的区域,并形成显著性/协同显著性图的技术。前者旨在针对单幅图像的显著性区域,后者则是提取一组图像中共同存在且能够吸引人类视觉注意的区域,这两项技术是计算机视觉中的一项重要研究课题。近年来,由于显著性物体检测在图像分割、图像检索等方面以及协同显著性物体检测在协同分割、前景注解、图像重定向等方面有着越来越广泛应用,显著性和协同显著性物体检测引起了越来越多学者的重视,提出了一系列具有启发性的显著性和协同显著性物体检测算法。但是,现存的显著性和协同显著性物体检测算法普遍存在当被检测图像背景复杂、前景和背景对比度不高或图像中存在多个显著性物体时,检测得到的显著性物体不完整、边界不清晰以及误将背景作为显著性物体检测出来等问题。针对这些问题,本文提出了基于超图和随机游走的显著性和协同显著性物体检测算法,并设计开发基于超图和随机游走的协同显著性物体检测系统。(1)在基于超图和随机游走的显著性物体检测算法...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状分析
    1.3 本文研究内容
    1.4 论文结构安排
第2章 基于超图的显著性物体检测领域的相关技术
    2.1 视觉注意机制模型
    2.2 图像特征
        2.2.1 颜色特征
        2.2.2 空间特征
        2.2.3 纹理特征
        2.2.4 形状特征
    2.3 超像素分割算法
    2.4 超图模型
    2.5 随机游走
    2.6 数据集及评价指标
        2.6.1 数据集
        2.6.2 评价指标
    2.7 本章小结
第3章 基于超图和随机游走的显著性物体检测
    3.1 超像素分割
    3.2 构建超图模型
        3.2.1 构建普通超图模型
        3.2.2 构建加权超图模型
    3.3 随机游走形成显著性图
    3.4 实验结果与分析
        3.4.1 数据集和对比算法
        3.4.2 参数设置及实验结果
        3.4.3 视觉效果对比
        3.4.4 实验数据对比
    3.5 本章小结
第4章 基于超图和随机游走的协同显著性物体检测
    4.1 图像预处理
    4.2 构建加权超图模型
    4.3 随机游走形成协同显著性图
    4.4 实验结果与分析
        4.4.1 数据集和对比算法
        4.4.2 参数设置
        4.4.3 视觉效果对比
        4.4.4 实验数据分析
    4.5 本章小结
第5章 基于超图和随机游走的协同显著性物体检测系统
    5.1 需求分析
    5.2 系统运行环境
    5.3 系统功能及演示
    5.4 本章小结
结论
参考文献
致谢
个人简历、在学期间发表的学术论文及研究成果



本文编号：3796595