基于超像素的顯著性區(qū)域檢測(cè)研究

《基于超像素的顯著性區(qū)域檢測(cè)研究》由會(huì)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(kù)。

1、分類號(hào)密級(jí)碩士學(xué)位論文題目：基于超像素的顯著性區(qū)域檢測(cè)研究英文并列題目：ResearchonSalientRegiondetectionBasedonSuperpixel研究生：馮海永專業(yè)：信號(hào)與信息處理研究方向：信息處理系統(tǒng)集成與應(yīng)用導(dǎo)師：高美鳳副教授指導(dǎo)小組成員：學(xué)位授予日期：2016年6月答辯委員會(huì)主席：潘豐江南大學(xué)地址：無(wú)錫市蠡湖大道1800號(hào)二○一六年六月獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研巧工作及取得的研究成果。盡我所知，除了文中特別加標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不

2、包含本人為獲得江南大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。簽名：宙名豕＿曰期：弘＾年＾月曰關(guān)于論文使用授權(quán)的說(shuō)明本學(xué)位論文作者完全了解江南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定：江南大學(xué)有極保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán)，允許論文被查閱和借閱，可將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可采用影印、縮印或掃描等復(fù)制手段保存、一匯編學(xué)位論文。，并且本人電子文擋的內(nèi)容和紙質(zhì)論文的內(nèi)容相致保密的學(xué)位論文在解密后

3、也遵守此規(guī)定。，騎弄導(dǎo)師簽名簽名：：Ａ日期；年ｒ月日摘要摘要隨著信息采集技術(shù)和多媒體處理技術(shù)的迅猛發(fā)展，人類已經(jīng)邁入了信息時(shí)代，海量的數(shù)字媒體在給人們的日常生活帶來(lái)諸多便利的同時(shí)，也為計(jì)算機(jī)視覺(jué)處理技術(shù)提出了新的挑戰(zhàn)。由于計(jì)算機(jī)處理這些海量信息的能力是十分有限的，人類迫切希望計(jì)算機(jī)能夠像人類一樣具有從大量視覺(jué)信息中選擇少量重要信息進(jìn)行詳細(xì)分析處理的能力。視覺(jué)顯著性檢測(cè)方法可以自動(dòng)預(yù)測(cè)、定位和挖掘場(chǎng)景中對(duì)人們最重要的視覺(jué)信息，利用計(jì)算機(jī)可以對(duì)視覺(jué)媒體信息進(jìn)行有效篩選。關(guān)于圖像顯著性檢測(cè)的研究立足點(diǎn)有很多，諸如像素、區(qū)域和超像素，目前，有關(guān)顯

4、著性區(qū)域檢測(cè)這方面的研究的重點(diǎn)是基于超像素的，這也是以后發(fā)展的趨勢(shì)。鑒于此，本文從超像素這一立足點(diǎn)出發(fā)，結(jié)合其它顯著性檢測(cè)的手段來(lái)進(jìn)行后續(xù)顯著性圖的生成。本文的主要工作包括以下兩個(gè)部分：第一，提出了一種基于SLIC超像素和貝葉斯框架的顯著性區(qū)域檢測(cè)算法。首先，在圖像的預(yù)處理階段，為了降低計(jì)算的復(fù)雜度，采用SLIC算法來(lái)提取給定圖像的超像素。然后，在每一個(gè)尺度之下，考慮以下三個(gè)準(zhǔn)則：區(qū)域?qū)Ρ榷?、完整性以及中心偏差，進(jìn)而結(jié)合貝葉斯框架再進(jìn)行后續(xù)顯著性檢測(cè)；之后通過(guò)加權(quán)求和以及歸一化操作后計(jì)算得到最終的顯著性圖。最后，由一個(gè)濾波器來(lái)更進(jìn)一步來(lái)提高檢測(cè)效果以便

5、于優(yōu)化最終的顯著性圖。在MSRA10K基準(zhǔn)數(shù)據(jù)庫(kù)上與當(dāng)前比較流行的幾種方法來(lái)進(jìn)行相關(guān)定性和定量的比較，實(shí)驗(yàn)結(jié)果表明，本文所提算法的性能均高于當(dāng)前比較流行的方法。第二，針對(duì)基于圖像底層特征的已有的顯著性區(qū)域檢測(cè)方法精度不高的問(wèn)題，提出了一種基于SLIC超像素和全局對(duì)比度的顯著性區(qū)域檢測(cè)算法。首先，在圖像的預(yù)處理階段，為了降低計(jì)算的復(fù)雜度，采用SLIC超像素分割算法來(lái)提取給定圖像的超像素。然后，在CIELAB顏色空間上，同時(shí)考慮圖像的全局對(duì)比度特征和LBP紋理特征并利用MKB方法將這兩個(gè)特征結(jié)合起來(lái)計(jì)算得到最終的顯著圖。最后，通過(guò)濾波器進(jìn)一步提高檢測(cè)效果以

6、便于優(yōu)化最終的顯著性圖。在MSRA10K基準(zhǔn)數(shù)據(jù)庫(kù)上與當(dāng)前比較流行的幾種方法來(lái)進(jìn)行定性和定量比較，實(shí)驗(yàn)結(jié)果表明，本文所提算法的性能均高于當(dāng)前比較流行的方法。關(guān)鍵詞：顯著性檢測(cè)；超像素分割；顯著區(qū)域；計(jì)算機(jī)視覺(jué)；貝葉斯框架IAbstractAbstractWiththerapiddevelopmentoftheinformationacquisitiontechnologyandmultimediaprocessingtechnology,Humanbeingshaveenteredtheinformationage.Massivedigitalmedi

7、abringsmanyconveniencestopeople'sdailylife,butalsoputsforwardanewchallengeforcomputervisionprocessingtechnology.Becausethecomputer'sabilitytodealwiththehugeamountsofinformationisverylimited,humanbeingsurgentlywantthatthecomputers,likehuman,hasabilitytochooseasmallamountofimporta

8、ntinformationfromalargenumberofvisualinformatio