版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著社會(huì)的進(jìn)步和人類生活方式智能化地轉(zhuǎn)變,計(jì)算機(jī)視覺(jué)被廣泛應(yīng)用到軍事、航天、航海乃至人們的日常生活中的方方面面。迫切的市場(chǎng)應(yīng)用需求推動(dòng)著這項(xiàng)理論研究的不斷革新和發(fā)展。而在計(jì)算機(jī)視覺(jué)中,顯著性檢測(cè)就是模擬大腦的視覺(jué)信號(hào)處理分析過(guò)程,找出圖像信息中最感興趣最顯著的部分。本文旨在普遍提高顯著性檢測(cè)智能識(shí)別顯著區(qū)域的精確度。
本研究首先采用單一尺度上的隨機(jī)森林模型對(duì)訓(xùn)練圖集進(jìn)行特征學(xué)習(xí),以獲得分類器模型,進(jìn)行測(cè)試實(shí)驗(yàn)獲取圖像的前后景顯
2、著性分類結(jié)果。同時(shí),為了增強(qiáng)對(duì)圖像顯著目標(biāo)的輪廓和細(xì)節(jié)的描述,引入了多尺度學(xué)習(xí)的概念,用以提高分類器模型的準(zhǔn)確度。兩次測(cè)試實(shí)驗(yàn)的結(jié)果表明,多尺度隨機(jī)森林學(xué)習(xí)的顯著性檢測(cè)結(jié)果相比較單一尺度的檢測(cè)結(jié)果性能得到了明顯的提高,但是從客觀的圖像評(píng)價(jià)指標(biāo)數(shù)據(jù)結(jié)果上看并不理想,所以該算法需要進(jìn)一步優(yōu)化。然后,在稀疏表示法的基礎(chǔ)上結(jié)合機(jī)器學(xué)習(xí)的結(jié)果進(jìn)行優(yōu)化。其一,在稀疏表示算法上引入罰函數(shù),架構(gòu)起加權(quán)稀疏表示模型。其二,針對(duì)不同的字典類型進(jìn)行重構(gòu),不斷
3、迭代計(jì)算得到最優(yōu)解,轉(zhuǎn)化成最終的顯著性圖譜。其中,背景字典的初始值是引入了機(jī)器學(xué)習(xí)得到的顯著性檢測(cè)結(jié)果的分類標(biāo)記。經(jīng)過(guò)測(cè)試實(shí)驗(yàn),分析得到該算法自身具備優(yōu)化性能。此外,針對(duì)不同類型的圖像數(shù)據(jù)集,本算法對(duì)比了其他9種優(yōu)秀算法的顯著性檢測(cè)結(jié)果,從主觀、客觀兩方面就實(shí)驗(yàn)結(jié)果進(jìn)行了詳細(xì)的分析。進(jìn)一步證明,本算法具有優(yōu)良的顯著性檢測(cè)性能表現(xiàn)。并且對(duì)于實(shí)驗(yàn)效果,進(jìn)行了客觀、詳細(xì)的分析,對(duì)進(jìn)行進(jìn)一步研究?jī)?yōu)化提出了合理的建議。最后,對(duì)全文進(jìn)行總結(jié)和展望。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏重構(gòu)和多特征聯(lián)合標(biāo)簽推導(dǎo)的顯著性檢測(cè).pdf
- 基于稀疏子空間聚類和低秩表示的顯著性目標(biāo)檢測(cè).pdf
- 基于多示例學(xué)習(xí)的顯著性目標(biāo)檢測(cè).pdf
- 基于矩陣稀疏分解的圖像顯著性檢測(cè).pdf
- 基于多尺度多通道均值的視覺(jué)顯著性檢測(cè)方法研究.pdf
- 基于稠密和稀疏重構(gòu)的圖像顯著性檢測(cè)算法.pdf
- 基于多特征的視覺(jué)顯著性檢測(cè).pdf
- 基于多層字典稀疏重構(gòu)的圖像顯著性檢測(cè).pdf
- 基于自適應(yīng)縮放圖像多尺度超圖的顯著性檢測(cè)方法研究.pdf
- 基于多特征的圖像顯著性檢測(cè).pdf
- 基于多聚類和多示例的協(xié)同顯著性目標(biāo)檢測(cè).pdf
- 基于多示例學(xué)習(xí)的動(dòng)作識(shí)別與顯著性檢測(cè)研究.pdf
- 基于多示例學(xué)習(xí)的圖像顯著性分析.pdf
- 基于圖的NAM表示及其上的顯著性區(qū)域檢測(cè).pdf
- 基于顯著性圖像邊緣聯(lián)合稀疏表示的圖像恢復(fù)方法研究.pdf
- 基于顯著性檢測(cè)的圖像壓縮和視頻檢測(cè).pdf
- 基于多先驗(yàn)和圖結(jié)構(gòu)的顯著性物體檢測(cè).pdf
- 多幅圖像協(xié)同顯著性檢測(cè).pdf
- 基于顯著性檢測(cè)的顏色傳遞.pdf
- 基于多尺度和多層稀疏表示的SAR地物分類.pdf
評(píng)論
0/150
提交評(píng)論