基于被包圍狀態(tài)和馬爾可夫模型的顯著性檢測.pdf_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、顯著物體檢測在計算機視覺領域是一個長期被研究的問題,近年來越來越受到研究者的重視。顯著物體檢測的目標是在一幅圖像中能夠準確高效的檢測出吸引人類視覺注意的區(qū)域。高效準確的顯著性檢測已經被應用于互聯(lián)網和人工智能等領域的圖像處理應用中,比如圖像檢索、圖像壓縮、圖像分割和內容感知的圖像編輯等。
  本論文提出了一種利用被包圍狀態(tài)和馬爾可夫模型進行圖像顯著性檢測的方法。與以往利用馬爾可夫模型進行顯著性檢測的方法不同,本論文結合了背景先驗線索

2、和前景先驗線索進行顯著性檢測。以往的顯著性檢測方法往往只是挖掘圖像的背景先驗線索,而忽略了對前景先驗線索的有效利用。對于圖像中背景先驗線索的挖掘通常趨向于簡單的把圖像四周作為背景,這樣做往往會導致對于顯著目標靠近圖像邊界的圖像的顯著性檢測不夠準確?;诖?,本論文通過利用被包圍狀態(tài)檢測顯著物體大致區(qū)域,得到前景先驗線索。再結合前景先驗將距離顯著物體大致區(qū)域最遠的兩條邊界作為背景先驗。
  首先,與以往算法利用凸包預測顯著物體大致區(qū)域

3、不同,我們利用被包圍狀態(tài)對眼睛注視點預測計算顯著性物體的大致區(qū)域更準確。然后,使用簡單線性迭代聚類(SLIC)算法對原始圖像處理得到圖像的超像素圖,基于超像素圖建立圖像的圖模型。接著,將距離顯著性物體大致區(qū)域最遠的兩條邊界的超像素作為虛擬背景吸收節(jié)點,利用吸收馬爾可夫鏈計算每個超像素的顯著性值,檢測出初始的顯著圖S1。再以計算出的顯著性物體大致區(qū)域中的超像素作為虛擬前景吸收節(jié)點,利用吸收馬爾可夫鏈檢測出初始的顯著性圖S2。最后,融合S1

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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