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),請進行舉報或認領(lǐng)
文檔簡介
1、通常人們在面對復(fù)雜場景時會優(yōu)先注意最重要和最感興趣的區(qū)域,視覺系統(tǒng)能快速從復(fù)雜場景中提取出該區(qū)域。顯著性目標(biāo)檢測作為圖像分割,圖像分類,視頻追蹤,圖像壓縮等眾多復(fù)雜任務(wù)的預(yù)處理關(guān)鍵環(huán)節(jié),能有效捕捉到視覺顯著性區(qū)域。其通過一定的算法或者模型模擬人腦視覺系統(tǒng)判斷出圖像中每個像素屬于感興趣區(qū)域的概率,在不同的衡量標(biāo)準(zhǔn)下評定每個像素的類別,最終輸出場景的顯著性圖。深度學(xué)習(xí)網(wǎng)絡(luò)近幾年在圖像分類,目標(biāo)檢測,場景稀疏等方面取得不錯的效果,這源自于深度
2、架構(gòu)強大的表達能力和容量:學(xué)習(xí)復(fù)雜特征的能力和直接學(xué)習(xí)訓(xùn)練樣本之間相互關(guān)系的模型。這打破了過去傳統(tǒng)人工選取特征的方式,大大推進了顯著性目標(biāo)檢測的發(fā)展。早期用于場景稀疏和顯著性檢測的深度學(xué)習(xí)網(wǎng)絡(luò)由于將圖像塊作為網(wǎng)絡(luò)的輸入,網(wǎng)絡(luò)結(jié)構(gòu)無法獲取遠程標(biāo)簽依賴關(guān)系,而通過循環(huán)學(xué)習(xí)的方式使得圖像上下文信息越完善網(wǎng)絡(luò)越成熟。
本文通過總結(jié)現(xiàn)有的顯著性科研成果和結(jié)合當(dāng)今前沿的科研技術(shù),提出了一種基于深度神經(jīng)網(wǎng)路的局部估計和全局搜索相結(jié)合的圖像顯
3、著性檢測方法。本文所提出的模型分為三個階段:局部階段,全局階段,局部和全局融合階段。局部階段包括局部估計網(wǎng)絡(luò)和局部優(yōu)化階段。運用局部估計網(wǎng)絡(luò)來學(xué)習(xí)局部圖像塊的特征,判定局部圖像塊中每個像素屬于顯著性的概率大小。獲取局部初始顯著性圖后,由于局部估計網(wǎng)絡(luò)對于高頻噪聲敏感,無法獲取圖像空間連續(xù)性,為了解決這個問題,本文采用GOP優(yōu)化算法提取一系列的目標(biāo)分割區(qū)域,優(yōu)化局部估計階段的顯著性圖。全局階段包括全局搜索網(wǎng)絡(luò)和全局優(yōu)化階段。全局搜索網(wǎng)絡(luò)通
4、過獲取整張圖像的對比度和幾何信息作為圖像的全局特征,以此判定圖像顯著性像素的概率大小。為了彌補全局網(wǎng)絡(luò)丟失的部分前景信息,本文采用基于顏色-距離的傳播算法對網(wǎng)絡(luò)進行優(yōu)化,得到全局優(yōu)化顯著性圖。局部和全局融合階段利用最小二乘法學(xué)習(xí)最優(yōu)權(quán)重將二者進行線性組合,輸出最終的顯著性圖。通過在顯著性公開數(shù)據(jù)庫上測試,本文所提出的算法不論是局部,全局階段還是融合階段,都具有較好的檢測性能。與其他十種現(xiàn)有最優(yōu)的算法進行比較,我們所提出的算法無論是準(zhǔn)確率
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
- 基于局部線性回歸和全局排序的圖像顯著性檢測.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的圖像顯著性預(yù)測方法研究與實現(xiàn).pdf
- 基于全卷積神經(jīng)網(wǎng)絡(luò)的顯著性區(qū)域檢測研究.pdf
- 全局形狀與局部一致性聯(lián)合建模的顯著性檢測.pdf
- 基于Kinect的深度圖像修復(fù)及顯著性檢測.pdf
- 基于顯著性檢測的圖像壓縮和視頻檢測.pdf
- 基于超像素的全局顯著性區(qū)域檢測.pdf
- 基于深度強化的顯著性檢測算法.pdf
- 基于視覺機制的圖像和視頻的顯著性檢測.pdf
- 基于顯著性檢測的圖像質(zhì)量評價
- 圖像顯著性檢測研究.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
- 基于視覺顯著性檢測的圖像分類.pdf
- 基于HITS的圖像顯著性檢測算法.pdf
- 基于矩陣稀疏分解的圖像顯著性檢測.pdf
- 圖像頻域顯著性檢測.pdf
- 基于顯著性圖像局部模糊測量與分割.pdf
- 圖像內(nèi)容顯著性檢測的理論和方法研究.pdf
- 基于稠密和稀疏重構(gòu)的圖像顯著性檢測算法.pdf
評論
0/150
提交評論