基于类和区域特征的协同显著性检测算法

基于类和区域特征的协同显著性检测算法

ID:35068896

大小:4.23 MB

页数:69页

时间:2019-03-17

基于类和区域特征的协同显著性检测算法_第1页
基于类和区域特征的协同显著性检测算法_第2页
基于类和区域特征的协同显著性检测算法_第3页
基于类和区域特征的协同显著性检测算法_第4页
基于类和区域特征的协同显著性检测算法_第5页
资源描述:

《基于类和区域特征的协同显著性检测算法》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、硕士学位论文MASTER'SDISSERTATION论文题目基于类和区域特征的协同显著性检测算法作者姓名韩盼学位类别工程硕士指导教师王成儒2016年5月中图分类号:TP391.41学校代码:10216UDC:621密级:公开工程硕士学位论文(应用研究型)基于类和区域特征的协同显著性检测算法硕士研究生:韩盼导师:王成儒教授副导师:胡正平教授宋彦军高工申请学位:工程硕士工程领域:电子与通信工程所在单位:信息科学与工程学院答辩日期:2016年5月授予学位单位:燕山大学ClassifiedIndex:TP391.41Schoolcode:10216U.D.C:621SecretLevel:o

2、penDissertationfortheMasterDegreeinEngineeringCo-saliencyDETECTIONALGORITHMBASEDONCLUSTERANDREGIONFEATUREbyHanPanSupervisor:ProfessorWangChengruYanshanUniversityMay,2016燕山大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士学位论文《基于类和区域特征的协同显著性检测算法》,是本人在导师指导下,在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研

3、究工作做出重要贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字:日期:年月日燕山大学硕士学位论文使用授权书《基于类和区域特征的协同显著性检测算法》系本人在燕山大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有,本论文的研究内容不得以其他单位的名义发表。本人完全了解燕山大学关于保存、使用学位论文的规定,同意学校保留并向有关部门送交论文的复印件和电子版本,允许论文被查阅和借阅。本人授权燕山大学,可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。保密□,在年解密后适用本授权书。本学位论文属于不保密□

4、。(请在以上相应方框内打“√”)作者签名:日期:年月日导师签名:日期:年月日摘要摘要图像协同显著性检测的本质是提取多幅图像中的共有的感兴趣目标,该技术可以用于协同分割、图像测距、弱监督学习,是近年来比较新颖的一个研究课题。但是随着计算机网络和数字图像技术的快速发展,图像的数量和分辨率都迅速提高,现有的协同显著性检测算法在图像的检测速度和检测效果上已经不能满足实际需求,本文在提高算法的检测速度和效果方面做了以下研究。首先,针对一些协同显著性算法容易受到背景干扰,生成的显著图背景噪声严重,并且计算量大、检测时间长等问题,本文使用先验前景去除部分干扰后再计算聚类级的对比特征和空间特征,最终

5、生成协同显著图。跟传统的方法相比较,该方法不仅能够克服部分背景干扰,生成低噪声的协同显著图,并且计算速度提高了几倍。其次,协同显著性检测包括显著性检测和协同性检测这两个重要部分,每一部分的检测结果都直接影响整体检测效果。然而一些算法却忽略单幅图像显著性检测效果,针对这一问题,本文将基于马尔可夫链的单幅图像显著性检测方法与基于Simrank相似度算法的图像对协同性检测方法相结合,通过该算法获得的显著图,其背景得到了有效的抑制,前景亮度得到加强,实验证明,该算法的协同显著性检测效果大幅度提高。最后,本文将协同显著性检测算法用于解决人体目标再识别问题,其中显著性检测用于找出图像的目标区域,

6、协同显著性检测的全局分布特征用于目标区域的相似性度量。通过实验证明了将协同显著性算法用于人体目标再识别的方法是有效的。关键词:协同显著性检测;去除噪声;对比特征;马尔可夫链;Simrank相似度;人体目标再识别-I-燕山大学工程硕士学位论文AbstractThenatureofimageco-saliencydetectionaimstoextractthecommoninterestingsaliencyfromthemultipleimages.Thistechnologycanbeusedinco-segmentation,imagedistancemeasurement,an

7、dweaklysupervisedlearning,ithasbeenanewresearchtopicinrecentyears.However,withtherapiddevelopmentofcomputernetworkanddigitalimageprocessingtechnology,thenumberandresolutionoftheimageincreaserapidly,existingalgorithmsofimagesco-sal

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。