資源描述：
《圖像顯著性檢測(cè)算法研究》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、碩士學(xué)位論文Ｉ闘參圖像顯著性檢測(cè)算法研究作者姓名曾萍萍Ｈ指導(dǎo)教師姓名、職稱孟繁杰副教授＾１申請(qǐng)學(xué)位類別工學(xué)碩士Ｉ－Ｊ學(xué)校代碼10701學(xué)號(hào)1513122937分類號(hào)TP391密級(jí)公開(kāi)西安電子科技大學(xué)碩士學(xué)位論文圖像顯著性檢測(cè)算法研究作者姓名：曾萍萍一級(jí)學(xué)科：控制科學(xué)與工程二級(jí)學(xué)科：檢測(cè)技術(shù)與自動(dòng)化裝置學(xué)位類別：工學(xué)碩士指導(dǎo)教師姓名、職稱：孟繁杰副教授學(xué)院：空間科學(xué)與技術(shù)學(xué)院提交日期：2018年6月ResearchonImageSaliencyDetectionAlgorithmAthesissubmittedtoXIDIANUNIVERSIT
2、YinpartialfulfillmentoftherequirementsforthedegreeofMasterinDetectionTechnologyandAutomaticEquipmentByZengPingPingSupervisor:MengFanjieAssociateProfessorJune2018摘要摘要當(dāng)今社會(huì)，信息與科學(xué)技術(shù)高速發(fā)展。人們?cè)诿恳惶斓纳钪?，都被?dòng)或主動(dòng)地接受著形形色色各種信息，而當(dāng)今社會(huì)是一個(gè)快節(jié)奏的社會(huì)，這就要求人們能夠在大量的信息轟炸中快速地提取出所需要的有用信息。在每日接觸到的多種多樣的信息中，圖像信息占據(jù)了半壁江山，所
3、以在計(jì)算機(jī)視覺(jué)領(lǐng)域?qū)D像信息的處理技術(shù)尤其是對(duì)一幅圖中顯著信息的提取，在構(gòu)建便捷的信息化時(shí)代中顯得尤為重要。本論文系統(tǒng)地介紹了圖像顯著性檢測(cè)的基本理論并研究了幾種經(jīng)典的顯著性檢測(cè)算法，針對(duì)傳統(tǒng)算法產(chǎn)生的顯著圖中目標(biāo)邊緣不清晰、背景抑制不充分等問(wèn)題，提出一種基于直方圖對(duì)比度與引導(dǎo)濾波的顯著性檢測(cè)算法，和一種基于背景先驗(yàn)的顯著性優(yōu)化算法，并通過(guò)實(shí)驗(yàn)驗(yàn)證了所提出算法的有效性。論文有以下主要工作與貢獻(xiàn)：1.深入研究了圖像顯著性檢測(cè)領(lǐng)域的幾種經(jīng)典算法，給出了算法原理并詳細(xì)分析了各自的優(yōu)缺點(diǎn)。2.提出了一種基于直方圖對(duì)比度與引導(dǎo)濾波的顯著性檢測(cè)算法。首先，利用基于直方圖對(duì)比度（Hi
4、stogram-basedContrast,HC）的方法來(lái)檢測(cè)顯著性對(duì)象，得到一個(gè)初步的顯著圖；然后，通過(guò)對(duì)輸入原始圖像進(jìn)行邊緣提取與背景輪廓剔除操作得到能夠大致框定顯著目標(biāo)的輪廓圖，接著對(duì)其進(jìn)行引導(dǎo)濾波得到第二幅初始顯著圖；最后，基于區(qū)域能量按照特定的規(guī)則融合兩幅初始顯著圖生成最終的顯著圖。該算法得到的顯著圖不僅保持了HC顯著圖對(duì)顯著性對(duì)象內(nèi)部信息的出色的提取能力，并且兼具引導(dǎo)濾波后得到的顯著圖對(duì)顯著目標(biāo)邊緣良好的保持能力。大量實(shí)驗(yàn)表明，本算法的各項(xiàng)性能指標(biāo)明顯優(yōu)于幾種已提出的顯著性檢測(cè)算法。3.提出了一種基于背景先驗(yàn)的顯著性檢測(cè)算法。圖像的邊緣提取是圖像理解和分析的
5、基礎(chǔ)步驟，該方法首先利用卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork，CNN）來(lái)獲取圖像的邊緣特征。由于卷積神經(jīng)網(wǎng)絡(luò)卷積和池化計(jì)算的特性，圖像的平移不會(huì)對(duì)最后的特征向量產(chǎn)生影響，所以CNN提取到的圖像特征過(guò)擬合的概率極低，而且CNN抽取特征的過(guò)程更科學(xué)，提取到的特征準(zhǔn)確率更高。然后，將邊緣圖應(yīng)用到利用邊界連續(xù)性判斷圖像背景的顯著性檢測(cè)算法中得到初始顯著圖；接著，對(duì)輸入圖像采用簡(jiǎn)單線性迭代聚類（SimpleLinearIterativeClustering，SLIC）超像素分割算法并以特定的超像素做為背景先驗(yàn)計(jì)算圖像的顯著值；最后對(duì)不同的區(qū)域采用不同
6、的融合規(guī)則融合得到的初始顯著圖。該算法產(chǎn)生的顯著圖較好地保持了顯著目標(biāo)的內(nèi)部細(xì)節(jié)，去除了傳統(tǒng)算法引入的圖像背景噪聲。實(shí)驗(yàn)結(jié)果證明，該算法不僅能準(zhǔn)確地檢測(cè)出顯著目標(biāo)而且能較好地抑制圖像背景。I西安電子科技大學(xué)碩士學(xué)位論文關(guān)鍵詞：顯著性檢測(cè)，顯著圖，HC，引導(dǎo)濾波，CNN,超像素分割I(lǐng)IABSTRACTABSTRACTIntoday'ssociety，informationsciencetechnologyhasbeendevelopedrapidly.Peopleacceptallkindsofinformationproactivelyorpassivelyinever
7、ydaylife.However,today’ssocietymovesforwardatafastpace,thisrequirespeopletoextractusefulinformationquicklyinalargeamountofinformation.Amongthevariouskindsofinformationpeopleaccepteveryday,theproportionofimageinformationisverylarge.Sointhefieldofcomputervisionthetechnology
