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、圖像的顯著性檢測在計算機(jī)視覺領(lǐng)域是一個重要的預(yù)處理過程,主要目的在于模仿人眼處理視覺信息的過程,減少冗余信息,提取一幅圖像中最顯著的部分,并使之引起密切注意。大量的顯著性檢測算法從不同的角度提出了計算模型,并應(yīng)用在了各種各樣的目標(biāo)識別領(lǐng)域。
本文提出了一個基于邏輯標(biāo)簽傳播與自適應(yīng)融合結(jié)合的顯著性檢測方法,首先將目標(biāo)窗口算法和背景先驗迭代產(chǎn)生的兩個預(yù)處理圖相乘得到初始顯著性圖。其次設(shè)定一個固定的閾值提取出前景種子點,將圖像四邊的
2、超像素作為背景種子點,利用無監(jiān)督聚類隨機(jī)森林算法計算得出相似度矩陣,代入本文的邏輯標(biāo)簽傳播機(jī)制過程中,將種子點的顯著性值傳播到整幅圖像中,利用新的加權(quán)自適應(yīng)融合方法將傳播后的結(jié)果與初始圖融合,最后使用多尺度訓(xùn)練分類器的優(yōu)化算法處理融合后的圖像,產(chǎn)生最終的顯著性檢測結(jié)果圖。
本文在四個國際公認(rèn)的圖像庫上進(jìn)行了擴(kuò)展實驗,其中包括MSRA5000,ECSSD,PASCAL-S以及THUS10000圖像庫。同時與其它十六種頂尖的算法進(jìn)
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
- 基于標(biāo)簽傳播的顯著性目標(biāo)檢測算法研究.pdf
- 基于先驗融合的視覺顯著性檢測.pdf
- 基于傳播模型的顯著性檢測方法.pdf
- 基于自適應(yīng)縮放圖像多尺度超圖的顯著性檢測方法研究.pdf
- 基于先驗知識融合的顯著性目標(biāo)檢測.pdf
- 基于特征融合的復(fù)雜紋理圖像顯著性檢測.pdf
- 基于多層特征融合的視覺顯著性檢測研究.pdf
- 基于時空顯著性檢測的視頻融合性能評價.pdf
- 基于顯著性檢測的圖像融合算法研究.pdf
- 基于傳播與投票機(jī)制的顯著性檢測方法研究與實現(xiàn).pdf
- 基于分層信息融合和隨機(jī)游走的顯著性檢測.pdf
- 基于顯著性檢測的顏色傳遞.pdf
- 基于時空顯著性的視頻顯著區(qū)域檢測研究.pdf
- 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.pdf
- 基于多特征融合的視覺顯著性檢測算法研究.pdf
- 基于顯著性的目標(biāo)檢測與識別算法.pdf
- 基于秩約束的協(xié)同顯著性檢測.pdf
- 融合空時顯著性的運(yùn)動目標(biāo)檢測方法.pdf
- 基于多特征的視覺顯著性檢測.pdf
- 基于區(qū)域的超像素顯著性檢測.pdf
評論
0/150
提交評論