面向目標(biāo)檢測的視覺注意模型研究.pdf_第1頁
已閱讀1頁,還剩84頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(bào)或認(rèn)領(lǐng)

文檔簡介

1、在計(jì)算機(jī)視覺領(lǐng)域中,構(gòu)造視覺注意模型提取圖像的顯著圖是近年的一個(gè)研究熱點(diǎn)。然而,由于現(xiàn)實(shí)中圖像前景和背景千變?nèi)f化,而且交織在一起,錯(cuò)綜復(fù)雜,想要準(zhǔn)確地提取圖像的顯著區(qū)域極具挑戰(zhàn)。近年來,隨著顯著性檢測技術(shù)的不斷發(fā)展,使得人們能夠在目標(biāo)檢測過程中,選擇圖像中“有用”的數(shù)據(jù)進(jìn)行計(jì)算,這不僅降低了計(jì)算復(fù)雜度與內(nèi)存開銷,而且由于剔除了冗余信息,也提高了檢測的準(zhǔn)確性。因此,研究如何利用這些選擇后的數(shù)據(jù)進(jìn)行目標(biāo)檢測變得十分有意義。
  本文首

2、先提出了一種基于背景知識學(xué)習(xí)的視覺注意模型。該模型在提取顯著圖時(shí)主要包含兩個(gè)步驟,第一步是計(jì)算圖像中超像素的權(quán)重值,第二步則是利用局部加權(quán)對比度來計(jì)算超像素的顯著值。針對這兩個(gè)步驟,本文首先提出了一種超像素加權(quán)模型框架,該框架包括超像素塊提取、形狀與顏色特征提取和權(quán)重值預(yù)測三個(gè)部分。在此基礎(chǔ)上,本文提出了一種基于局部加權(quán)對比度的顯著值計(jì)算方法,該方法以超像素為計(jì)算單元,計(jì)算每個(gè)超像素塊與其他超像素塊在顏色和空間信息上的差異,并將該差異值

3、作為顯著值。實(shí)驗(yàn)結(jié)果表明,本文提出的基于背景知識學(xué)習(xí)的視覺注意模型能夠有效地提高檢測精度,與已有模型相比,本文模型在MSRA1000和ECSSD兩個(gè)公共數(shù)據(jù)集上檢測得到的顯著圖具有更高的分辨率和平均精度,目標(biāo)區(qū)域內(nèi)的顯著值分布更加均勻,前景與背景邊界更加明顯。
  本文還提出了一種基于參數(shù)學(xué)習(xí)的目標(biāo)檢測算法。該方法首先利用本文提出的視覺注意模型提取圖像的顯著圖,然后在顯著圖的基礎(chǔ)上構(gòu)造窗口質(zhì)量函數(shù),并建立基于貝葉斯概率模型的最優(yōu)化

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(shí)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。

評論

0/150

提交評論