视觉显著性检测模型研究--%21i

《视觉显著性检测模型研究--%21i》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、「分業号ETN92単位代鶴:10110学号ES1507039III■

2、

3、

4、■■:■:

5、・■

6、■111=■■

7、=一・・・．・・一一一一一一・一一一一一・¨．一一一・・一．一一・一一一・．一・一一一一一一一．・一一¨一．．一¨・．一・・・一．．一一・一■・一・・¨一一一一・・´・一一一．一¨．βゾ贔熙趾饂痙呂辣黎珈芍ト爾董靡梵筐冬隧絞鉤褥霧教籾鉤賦甕‐■一一畿外権辱教鐵___・・一●・‐●‐一■・一一一一一・一一・一一一一一一一一．一・一一篇甕醸裁・蝙洒工程■

8、一一一．一．．一．

9、

10、

11、

12、‐.:

13、

14、

15、

16、‐.全me年

17、1軸

18、ャ

19、

20、

21、‐

22、

23、■■

24、●■

25、.

26、■‐

27、

28、

29、‐‐

30、

31、■1‐

32、

33、‐

34、■

35、‐

36、‐

37、■

38、111■

39、■'fll「■

40、中北大学学位论文图书分类号TN92密级非密注1UDC全日制工程硕士学位论文视觉显著性检测模型研究蒋唯校内指导教师（姓名、职称）戴厚德研究员校外指导教师（姓名、职称）申请学位级别工程硕士所在领域（研究方向）控制工程论文提交日期2018年4月10日论文答辩日期2018年5月23日学位授予日期年月日论文评阅人续欣莹陈豪谢伟答辩委员会主席王武2018年5月23日注1：注明《国际十进分类法UDC》的分类原ell性声明本人邦重声明:所呈交的学位沿文り是本人在指尋教

41、師的指尋下ヮ独立遺行研究所取得的成果。除文中己径注明引用的内容外詮文"本不包含其他↑人或集体己径友表或撰写通的科研成果。対本文的研究作出重要貢献的↑人和集体ヮ均己在文中以明碗方式椋明:本声明的法律責任由本人承担。沿文作者釜名:プンじ日期:2′

42、`―:戸´23美子学位沿文使用枚的説明本人完全了解中北大学有美保管、使用学位稔文的規定り其中包括:①学校有板保管、井向有美部門送交学位沿文的原件埼隻印件;②学校可以采用影印、縮印或其壱隻制手段隻制井保存学位沿文;③学校可允杵学位沿文被査開或借開;④学校可以学木交流力目的り隻制贈送和交換学位稔文;

43、⑤学校可以公布学位詮文的全部或部分内容(保密学位沿文在解密后遵守此規定)。一分琴釜名:繹4多日期:2冽′'鋤釜名:磁辰再姿乞日期:νr―ヶ琴中北大学学位论文视觉显著性检测模型研究摘要随着智能终端与互联网技术的快速发展，使得图像和视频等多媒体数据呈现高速增长。面对这些大数据量的图片，如何让计算机理解图像场景的内容，智能的批量处理、快速的检索查阅、按标准分类图像等是现在计算机视觉领域的热点研究方向。其中使计算机智能化处理图像中最为基础和重要的步骤就是图像的显著性目标检测，这项应用对目标进行识别、分类、跟踪等后续的研究具有推动作用。视觉显著

44、性检测的目的就是在图像中快速定位到人类视觉系统的感兴趣区域，从而能够有效的减少图像数据内容，在随后的处理中有倾向性地快速对该区域进行更复杂的处理。本文基于认知心理学、神经生物学有关人类视觉系统的视觉注意机制的理论，提出了一种基于条件随机场的背景先验特征融合的算法，提高了显著性区域的完整性。本文的主要工作与贡献如下：(1)分析了图像显著性检测的研究背景和现状。从认知心理学、神经生物学角度阐述了视觉注意机制、视觉显著性等概念，从图像角度介绍了颜色、纹理、形状特征和超像素分割算法等基本概念，简要分析学习了经典的显著性检测算法创新性。(2)背

45、景信息特别是边缘区域和图像前景存在较大的差异，是相对可靠的图像先验信息。本文利用超像素分割技术将图像信息高效地分割成若干形状均匀的局部超像素区域。基于中心-周边先验原理，从图像边缘超像素区域块中提取背景先验模板，对比全图从而计算得到基于唯一性、稀疏性、致密性的背景先验特征。最后利用条件随机场的融合框架，将三个背景先验特征作为输入值，进行数据融合后得到最终的显著性图。在本文提出的数据集进行检测实验，通过和国内外领先和典型的15种算法的检测结果对比，证实了本文算法的准确性与鲁棒性。关键词：视觉注意机制视觉显著性背景先验特征条件随机场多特征

46、融合中北大学学位论文ResearchonvisualsaliencydetectionmodelAbstractWiththerapiddevelopmentofintelligentterminalsandInternettechnologies,thedatavolumeofmultimediaresourcessuchasimagesandvideoshaveincreasedswiftly.Facedwiththeselargeamountsofimagedata,howtoletthecomputerunderstandth

47、econtentoftheimagescene,smartbatchlyprocessing,rapidretrievalwithconsultandclassificationwithstandardtargettha