检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

改进背景先验和前景先验的显著性检测

小型微型计算机系统 2021年第1期42卷 178-184页

作者：唐立婷段先华鲁文超江苏科技大学计算机学院江苏镇江212003

针对传统的流行排序显著性检测算法存在的问题,本文提出了改进背景先验和前景先验的显著性检测.首先计算图像的凸包,并将图像分割成不同尺度的超像素;然后以凸包区域之外的超像素为背景种子,结合多尺度下图像的多种底层特征得到最终的... 详细信息

针对传统的流行排序显著性检测算法存在的问题,本文提出了改进背景先验和前景先验的显著性检测.首先计算图像的凸包,并将图像分割成不同尺度的超像素;然后以凸包区域之外的超像素为背景种子,结合多尺度下图像的多种底层特征得到最终的背景显著图;第三,以凸包区域之内的超像素为前景种子,结合多尺度下图像的多种底层特征得到最终的前景显著图;第四,融合最终的背景显著图和最终的前景显著图得到弱显著图,通过多核增强(MKB)算法对由弱显著图生成的训练样本进行强分类,生成强显著图;最后综合强弱显著图,得到最终的显著图.通过在MSRA1000,PASCAL和ECSSD数据集上与其他13种算法进行对比,验证了本文算法在显著目标检测的准确性方面更具优势.

关键词：凸包超像素流形排序背景先验前景先验

基于前景先验与显著性增强的图像显著性检测算法研究

在线全文

学校读者我要写书评

暂无评论

基于前景先验与显著性增强的图像显著性检测算法研究

作者：李凡上海交通大学

学位级别：硕士

近年来,计算机视觉各领域研究得到了极大的发展和丰富。显著性检测是该领域中一种对图像和视频进行预处理的重要方法。显著性检测主要的研究内容是,找到图像中每块区域的合适特征和对特征进行分类的算法使图像前景中人最关注的物体从背... 详细信息

近年来,计算机视觉各领域研究得到了极大的发展和丰富。显著性检测是该领域中一种对图像和视频进行预处理的重要方法。显著性检测主要的研究内容是,找到图像中每块区域的合适特征和对特征进行分类的算法使图像前景中人最关注的物体从背景突显出来。然而,由于人类视觉系统如何快速获得图像显著性还未可知,计算机科学家只能通过一些先验知识或假设模型来模拟视觉系统,但由于图像前景和背景的复杂性,很多图像显著性检测算法都不能获得理想的结果。目前显著性检测主要分为两个研究方向。自底向上的算法大多使用对比度先验与边界先验构建数学模型来计算每个像素的显著性。自顶向下的算法通过大量标注数据来学习出提取合理特征和建立合理模型的方法。对于这两个方向,本文提出了两种新的算法。自底向上方法方面,本文提出了一种基于前景面积比先验的显著性检测算法。首先使用了角点检测的方法获得前景物体的角点,并利用这些角点建立一个包含了前景大致区域的凸包。然后利用凸包这一前景信息,通过显著物体在凸包中的面积来决定每一个超像素块成为显著区域的可能性。由于这一方法可以大致确定前景位置,所以与边界先验相比背景部分的显著性值得到了抑制。更进一步,我们提出了一种基于图正则化的迭代优化方法,该方法使得显著物体的显著性值得到了提升同时抑制了背景的显著性。自顶向下方法方面,本文提出了一种使用全卷积网络进行显著性增强的算法。由于自底向上方法的局限性,单纯使用先验知识建立的模型已经不能取得更大的进步,因此很多研究者在获得结果后使用优化算法来进一步提升效果,这些优化模型通常也是简单的先验模型。本文提出了一种增强算法,使用深度网络来提取图像语义信息,从而更好的将自底向上方法获得的显著性模型进行增强。通过在四个标准数据库上的实验验证,本文方法能够与目前最领先的算法媲美。

关键词：图像显著性检测前景先验全卷积网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合前景先验和背景先验的显著性目标检测

现代计算机 2019年第5期25卷 70-74页

作者：杨慧婷四川大学计算机学院

现如今显著性目标检测得到越来越多学者的关注,同时已经成为许多计算机视觉任务中的重要使用工具。提出一种基于前景先验和背景先验结合的显著性目标检测框架。首先,从一幅图像中提取一系列的有效前景种子点和背景种子点,然后分别用于... 详细信息

现如今显著性目标检测得到越来越多学者的关注,同时已经成为许多计算机视觉任务中的重要使用工具。提出一种基于前景先验和背景先验结合的显著性目标检测框架。首先,从一幅图像中提取一系列的有效前景种子点和背景种子点,然后分别用于显著图计算。其次,将依靠于前景种子点和背景种子点各自生成的显著图结合。最后,利用测地线距离对显著区域进行进一步的增强。提供一种优选种子点的方式,从而得到更加稳定的种子点,在提高显著性精度方面有比较大的作用。

关键词：显著性检测前景先验背景先验测地线距离

在线全文

学校读者我要写书评

暂无评论

结合前景先验和背景先验的显著性检测

电子设计工程 2020年第9期28卷 154-157,166页

作者：陈宇关可长安大学信息工程学院陕西西安710061

由于马尔可夫吸收链的显著性检测算法的先验信息过于简略使得检测得出的显著图片面且笼统,针对上述问题,本文推陈出新了一种新的算法做显著性检测,它结合了凸包先验和马尔可夫吸收链,从而可优化最终结果中的图像信息。将MSRA1000库中数... 详细信息

由于马尔可夫吸收链的显著性检测算法的先验信息过于简略使得检测得出的显著图片面且笼统,针对上述问题,本文推陈出新了一种新的算法做显著性检测,它结合了凸包先验和马尔可夫吸收链,从而可优化最终结果中的图像信息。将MSRA1000库中数据以本文算法检测,并将结果与其他算法比较。本文算法的检测效果比马尔可夫吸收链算法更加优良,既能有效减少背景区域中的噪声,它还可以突出图像中的突出目标,从而使最终显著图更加接近于真值图。本文算法具有良好的查准率、查全率、F值水平,其MAE值高达0.95。

关键词：显著性检测马尔可夫吸收链凸包背景先验前景先验显著图

在线全文

学校读者我要写书评

暂无评论

基于复合先验知识的显著性目标检测方法

激光与光电子学进展 2020年第10期57卷 188-195页

作者：崔丽群杨振忠段天龙李文庆辽宁工程技术大学软件学院辽宁葫芦岛125105

针对已有显著性目标检测在单一先验知识下生成的显著图存在背景抑制不彻底、孤立背景块干扰及前景区域缺失的问题,提出复合先验的显著性目标检测方法。先利用超像素分割算法提取边缘超像素,构建初选背景集,根据边界和四个角落显著性均... 详细信息

针对已有显著性目标检测在单一先验知识下生成的显著图存在背景抑制不彻底、孤立背景块干扰及前景区域缺失的问题,提出复合先验的显著性目标检测方法。先利用超像素分割算法提取边缘超像素,构建初选背景集,根据边界和四个角落显著性均值优化背景集;针对背景超像素渐变性不强的特点,提出特征差异法;再构建粗略包围前景区域的凸包,将其质心位置设为中心位置;最后将三种先验显著图自适应权重融合,获得最终显著图。利用所提方法对MSRA和ESSCD数据集中的图像进行实验,结果表明,所提方法融合三种先验知识能够解决提出的问题,在抑制背景的同时,又能获得前景区域完整度较高的显著图。

关键词：图像处理显著性目标检测背景先验前景先验中心先验

融合彩色信息和深度信息的GrabCut图像分割

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2020年第8期37卷 188-193页

作者：凌滨郭也赵永辉李超东北林业大学机电工程学院黑龙江哈尔滨150036

图像分割是计算机视觉的重要组成部分,但大多数图像分割工作主要集中在二维图像的处理上,故结合深度信息和GrabCut算法提出一种新的分割方法。为了准确地分割出目标物体,利用物体深度信息的同时提出一种基于背景和前景先验的GrabCut图... 详细信息

图像分割是计算机视觉的重要组成部分,但大多数图像分割工作主要集中在二维图像的处理上,故结合深度信息和GrabCut算法提出一种新的分割方法。为了准确地分割出目标物体,利用物体深度信息的同时提出一种基于背景和前景先验的GrabCut图像分割方法。融入深度信息,选择深度特征结合流形排序算法来构造图模型;为了进一步突出目标对象,抑制背景区域,分别利用背景先验和前景先验,生成相应的显著图,将二者融合并进行优化得到最终待处理图像;以深度信息指导GrabCut算法进行精分割,得到分割结果。实验结果表明,该方法能够较为准确地分割出目标对象。

关键词：图像分割深度信息 GrabCut算法背景先验前景先验

在线全文

学校读者我要写书评

暂无评论

改进中心先验的显著性检测

江苏科技大学学报（自然科学版） 2023年第3期37卷 60-65页

作者：唐立婷段先华江苏科技大学计算机学院镇江212100

针对传统基于中心先验的显著性检测算法不能均匀突出显著性目标的问题,提出改进中心先验的显著性检测算法.首先将输入图像分割成4种不同超像素尺度,对输入图像计算凸包;然后计算4种不同尺度下的背景显著图和前景显著图,将对应尺度下的... 详细信息

针对传统基于中心先验的显著性检测算法不能均匀突出显著性目标的问题,提出改进中心先验的显著性检测算法.首先将输入图像分割成4种不同超像素尺度,对输入图像计算凸包;然后计算4种不同尺度下的背景显著图和前景显著图,将对应尺度下的背景显著图和前景显著图融合得到该尺度下的融合显著图,将凸包和4种不同尺度的融合显著图作为先验,计算4种不同尺度下的中心先验图;最后将得到的不同尺度的中心先验图经MKB算法优化得到最终显著图.在MSRA1000,PASCAL和ECSSD数据集上进行,实验结果表明所述算法在显著目标检测的准确性方面优于14种对比算法.

关键词：中心先验前景先验背景先验凸包超像素多尺度显著性检测

在线全文

学校读者我要写书评

暂无评论

基于被包围状态和马尔可夫模型的显著性检测

计算机科学 2018年第10期45卷 272-275,312页

作者：陈炳才王西宝余超年梅陶鑫潘伟民卢志茂大连理工大学电子信息与电气工程学部辽宁大连116024 新疆师范大学计算机科学技术学院乌鲁木齐830054

针对图像显著性检测问题,提出一种利用被包围状态和马尔可夫模型进行图像显著性检测的方法。首先,利用被包围状态计算显著性物体的大致区域;其次,使用简单线性迭代聚类(SLIC)算法对原始图像进行处理,得到图像的超像素图,并基于超像素图... 详细信息

针对图像显著性检测问题,提出一种利用被包围状态和马尔可夫模型进行图像显著性检测的方法。首先,利用被包围状态计算显著性物体的大致区域;其次,使用简单线性迭代聚类(SLIC)算法对原始图像进行处理,得到图像的超像素图,并基于超像素图建立图像的图模型;接着,将距离显著性物体大致区域最远的两条边界的超像素作为虚拟背景吸收节点,利用吸收马尔可夫链计算每个超像素的显著性值,检测出初始的显著图S_1;再以计算出的显著性物体大致区域中的超像素作为虚拟前景吸收节点,利用吸收马尔可夫链检测出初始的显著性图S_2;然后,融合S_1和S_2得到最终的显著图S;最后,利用引导滤波器对显著图S进行平滑处理得到更优的显著图。在两个数据库上的实验结果表明,提出的算法优于现有大多数算法。

关键词：显著物体检测马尔可夫模型被包围状态背景先验前景先验

在线全文

学校读者我要写书评

暂无评论

基于先验信息的图像显著性检测

基于先验信息的图像显著性检测

作者：姚钊健广东工业大学

学位级别：硕士

计算机视觉是指利用计算机来模拟人类视觉系统机制的特性,使其能够像人类一样自动地对自然场景进行理解和分析。图像显著性的检测作为计算机视觉领域的一个热点研究方向,逐渐受到学者们的关注和研究,其通常被作为图像的一种预处理步骤... 详细信息

计算机视觉是指利用计算机来模拟人类视觉系统机制的特性,使其能够像人类一样自动地对自然场景进行理解和分析。图像显著性的检测作为计算机视觉领域的一个热点研究方向,逐渐受到学者们的关注和研究,其通常被作为图像的一种预处理步骤来应用到许多计算机视觉任务中,例如图像分割,图像检索和图像压缩等。图像显著性检测的主要目的是模仿人类视觉注意力机制来提取视觉显著区域,即图像中最吸引人类注意的区域。通过图像显著性检测操作,能够从大量视觉信息中选取少量的重要信息作进一步的处理和分析,从而提高图像处理效率。因此,对图像的显著性检测技术进行研究具有十分重要的意义。由于图像的多样性和复杂性,要准确地检测出显著目标区域仍具有一定的难度和挑战性。由于缺乏高层的信息知识,若仅使用低层的特征信息,自底向上的显著性检测方法很难取得满意的效果。因此,本文基于高层的先验信息,提出两种不同的图像显著性检测方法,主要研究内容如下:(1)提出一种基于背景先验和前景先验信息的图像显著性检测方法。首先,将图像进行超像素分割,利用背景先验知识把位于图像四个边缘的超像素当作背景区域,得到先验背景节点集合。通过根据其他超像素与背景节点的对比差异度,计算得到基于背景先验的显著图。然后,检测图像中的兴趣点并构造一个围绕这些兴趣点的凸包,从而能够得到一个粗略的显著区域位置,因此可以将这个凸包认为是前景先验知识。接着,结合背景先验显著图和凸包区域,通过阈值分割得到先验前景节点集合,利用其他超像素与前景节点的对比相似度,计算得到基于前景先验的显著图。最后,将得到的两个显著图进行融合并作进一步优化生成更平滑的显著图,使得检测效果不仅能够更加突出显著区域,又能有效地抑制背景噪声。(2)提出一种结合前景先验信息和流形排序算法的图像显著性检测方法。传统的基于流形排序算法的显著性检测方法存在过度依赖先验背景节点的问题,导致对复杂图像的检测效果不佳,因此,本文采用先验前景节点来代替先验背景节点,并且采用两种不同的特征度量来表示区域间的差异,从而进行显著性检测。首先,计算图像的凸包,得到显著目标的粗略位置。然后,根据凸包内超像素与凸包外所有超像素的差异度来选取先验前景节点。接着,使用不同的区域特征描述子来构建两个闭环无向图模型,将上个步骤得到的先验前景节点作为查询节点,采用基于图的流行排序算法进行显著性检测,从而获得两个显著图。最后,对两个显著图进行融合并优化来生成最终的显著图。在三个公开的图像数据库上进行了仿真实验,实验结果表明,本文提出的两种算法能够获得不错的检测效果,与一些主流的算法相比,检测性能得到较大的提高。(3)为了体现图像显著性检测技术的实用价值,本文将所提的两种检测算法分别应用到图像缩放和背景虚化等图像处理任务中。在图像缩放中,通过利用显著性检测技术能够使缩放后的图像更集中在重要目标上;在背景虚化中,只对非显著区域进行模糊,而不对检测到的显著区域进行模糊,这能很好地起到突出图像主题的作用。

关键词：显著性检测背景先验前景先验流形排序显著图