資源描述:
《自然場景圖像的顯著區(qū)域檢測算法研究》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、自然場景圖像的顯著區(qū)域檢測算法研究作者姓名孟珂導(dǎo)師姓名、職稱張小華副教授一級學(xué)科控制科學(xué)與工程二級學(xué)科模式識別與智能系統(tǒng)申請學(xué)位類別工學(xué)碩士提交學(xué)位論文日期2014年11月學(xué)校代碼10701學(xué)號1202121213分類TN82號TP39密級公開西安電子科技大學(xué)碩士學(xué)位論文自然場景圖像的顯著區(qū)域檢測算法研究作者姓名:孟珂一級學(xué)科:控制科學(xué)與工程二級學(xué)科:模式識別與智能系統(tǒng)學(xué)位類型:工學(xué)碩士指導(dǎo)教師姓名、職稱:張小華副教授提交日期:2014年11月ResearchonNaturalSceneImageSalientRegions
2、DetectingAlgorithmsAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinControlScienceandEngineeringByMengKeSupervisor:AssociateProfessorZhangXiaohuaNovember2014西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性(或創(chuàng)新性)聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德,本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的
3、研究工作及取得的研究成果。盡我所知,除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外,論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果;也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。學(xué)位論文若有不實(shí)之處,本人承擔(dān)一切法律責(zé)任。本人簽名:日期:西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定,即:研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)
4、印件,允許查閱、借閱論文;學(xué)??梢怨颊撐牡娜炕虿糠謨?nèi)容,允許采用影印、縮印或其它復(fù)制手段保存論文。同時本人保證,獲得學(xué)位后結(jié)合學(xué)位論文研究成果撰寫的文章,署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書。本人簽名:導(dǎo)師簽名:日期:日期:摘要摘要人類的視覺系統(tǒng)在面對復(fù)雜場景時,可以輕易并且高效的從中檢測和提取感興趣信息,并優(yōu)先將這些感興趣信息輸送給意識。在計算機(jī)視覺領(lǐng)域,研究自然場景圖像的顯著區(qū)域檢測算法,去模擬人類那種高效選擇的注意機(jī)制,這個課題是非常有必要的。圖像中的顯著區(qū)域,指的是圖像中最能夠代表這幅
5、圖像內(nèi)容的部分,并且最能夠引起人們視覺關(guān)注的部分。目前現(xiàn)有的算法普遍存在以下問題,一是不能均勻高亮整個顯著區(qū)域,二是對于背景雜亂的圖像沒有很好的魯棒性,三是顯著目標(biāo)大小未知帶來的計算冗余。針對這些問題,本文提出兩種自然場景圖像顯著區(qū)域檢測算法。第一種方法是基于聯(lián)合稀疏多尺度融合的顯著區(qū)域檢測方法,對圖像構(gòu)造多尺度高斯金字塔,得到多尺度的特征,然后應(yīng)用聯(lián)合稀疏表示的框架計算稀疏表示系數(shù),把得到的稀疏表示系數(shù)作為新的圖像特征計算圖像的顯著性最后把多尺度下的顯著結(jié)果進(jìn)行融合得到最終顯著圖。并對算法進(jìn)行了仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果展示了算法
6、的效能。第二種方法是基于超像素的全局顯著區(qū)域檢測方法,用SLIC超像素分割方法對于給定的輸入圖像進(jìn)行分割,對分割之后的區(qū)域計算每個區(qū)域關(guān)于全局所有區(qū)域的相似度,每個相似度給予一定的相似性權(quán)值,加入圖像局部鄰域相似性的約束,對全局顯著圖進(jìn)行修正。并對并對算法進(jìn)行了仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果展示了算法的效能。本文還介紹了兩個應(yīng)用。第一個是基于紋理特征的高分辨SAR圖像典型地物分類,主要思想是構(gòu)造灰度共生矩陣去分析圖像內(nèi)部的紋理信息,使用Bhattacharyya距離對特征進(jìn)行篩選,并進(jìn)行最后的分類。第二個基于非局部鄰域的多時相SAR圖像
7、變化檢測,主要思想是應(yīng)用非局部均值操作對圖像中的每一個圖像塊進(jìn)行處理,計算每個像素點(diǎn)的差異值。關(guān)鍵字:顯著性檢測,聯(lián)合稀疏表示,多尺度融合,超像素分割,全局對比度論文類型:應(yīng)用基礎(chǔ)研究類I西安電子科技大學(xué)碩士學(xué)位論文IIABSTRACTABSTRACTWhenfacingacomplexscene,thehumanvisualsystemcaneasilyandefficientlydetectandextractinformationinterested.Thoseinterestedinformationhavethep
8、rioritytobedeliveredtohumansense.Itisnecessarytoresearchonsaliencydetectionalgorithmstosimulatehumanselectingvisualsysteminstudyofcomputervision.