

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、人類通過自身的視覺系統(tǒng)在復(fù)雜的環(huán)境里獲取自己感興趣的目標(biāo)區(qū)域,模擬人類這樣的視覺系統(tǒng)機(jī)制在圖像中得到顯著區(qū)域成為了計算機(jī)視覺研究中的一個熱點(diǎn)。研究者構(gòu)建視覺系統(tǒng)機(jī)制可以通過兩個途徑:自上而下(Top-Down,以下簡稱TD)和自下而上(Bottom-Up,以下簡稱BU)的方法。本文采用BU方法,實(shí)現(xiàn)基于超像素的圖像顯著性的檢測。
首先,對研究課題中涉及到的超像素分割方法進(jìn)行了分析總結(jié),選取SLIC方法作為本文使用的超像素分割方
2、法。接下來引入圖像顯著性的基本知識。分別介紹人類視覺注意機(jī)制、視覺特征以及特征之間的比較方法。
隨后,分析了幾種經(jīng)典的圖像顯著性檢測模型,總結(jié)這些算法的優(yōu)點(diǎn)和不足。本文沿用經(jīng)典模型的Edge-Center處理思想,提出基于超像素的圖像顯著性檢測模型。在該模型中,對原始的圖像進(jìn)行SLIC超像素分割,得到超像素集合。并采用顏色特征與空間特征相結(jié)合的方法分析超像素的全局信息。在邊界設(shè)定種子點(diǎn)構(gòu)建邊界顯著圖,對得到的四幅邊界顯著圖加權(quán)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于區(qū)域的超像素顯著性檢測.pdf
- 基于超像素分割合并的圖像顯著性檢測算法.pdf
- 基于超像素的全局顯著性區(qū)域檢測.pdf
- 基于超像素分割的視覺顯著性檢測.pdf
- 基于位置先驗(yàn)與超像素的顯著性檢測.pdf
- 基于倒數(shù)-譜殘差與SLIC超像素分割的圖像顯著性方法研究.pdf
- 基于顯著性的圖像分割研究.pdf
- 基于顯著性的移動圖像檢索.pdf
- 圖像顯著性檢測研究.pdf
- 基于視覺顯著性的圖像分割方法研究.pdf
- 基于顯著性分割的圖像分類算法研究.pdf
- 基于顯著性檢測的圖像質(zhì)量評價
- 基于顯著性的彩色圖像分割方法研究.pdf
- 基于位置感知的圖像顯著性算法研究.pdf
- 基于顯著性的圖像分割技術(shù)研究.pdf
- 超像素分割和多目標(biāo)顯著性檢測算法的研究及其應(yīng)用.pdf
- 基于顯著性檢測的圖像質(zhì)量評價.pdf
- 基于多特征的圖像顯著性檢測.pdf
- 基于視覺顯著性的圖像檢索算法研究.pdf
- 基于顯著性檢測模型的圖像分割算法研究.pdf
評論
0/150
提交評論