检索结果-南通市图书馆

现代制造工程 2019年第4期 122-128页

作者：张绳富董蓉李勃南京大学电子科学与工程学院南京210046 南通大学电子与信息学院南通226019

传统的显著性检测算法主要基于中心先验、边界先验建立检测模型,但是在实际应用中,这些先验信息不一定都适用,比如机器视觉领域很多图像显著性区域位于图像边界,因此针对传统显著性算法的缺点,根据实际应用需求提出基于颜色先验和高斯... 详细信息

传统的显著性检测算法主要基于中心先验、边界先验建立检测模型,但是在实际应用中,这些先验信息不一定都适用,比如机器视觉领域很多图像显著性区域位于图像边界,因此针对传统显著性算法的缺点,根据实际应用需求提出基于颜色先验和高斯混合模型的算法,不需要局限于中心和边界先验。首先通过高斯混合模型在Lab颜色空间根据颜色将图像中的像素聚类,根据颜色先验和结构相似性算法将子高斯模型分为前景子高斯模型和背景子高斯模型,此时的分割结果比较粗糙、噪点较多,通过条件随机场对此进行优化,获得最终的边界准确度较高的显著性区域。所述算法直接通过高斯混合模型对像素进行聚类,没有利用中心、边界先验,应用高斯混合模型保证获得准确稳定的边界,能够检测位于边界的显著性区域,与传统的显著性检测算法相比准确度更高。

关键词：颜色先验显著性检测高斯模型条件随机场结构相似性

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

特征分离和非阴影信息引导的阴影去除网络

引用

通信学报 2024年第5期45卷 178-190页

作者：黄颖房少杰程彬姜茂钱鹰重庆邮电大学软件工程学院重庆400065 重庆邮电大学计算机科学与技术学院重庆400065

为了解决现有阴影去除方法中存在的性能瓶颈以及去除结果产生的色差问题,构建了一个特征分离和非阴影信息引导的阴影去除网络(FSNIG-ShadowNet)。在分离和重建阶段,利用自重建监督将阴影图像分离成直射光和环境光两部分,对光照类型和反... 详细信息

为了解决现有阴影去除方法中存在的性能瓶颈以及去除结果产生的色差问题,构建了一个特征分离和非阴影信息引导的阴影去除网络(FSNIG-ShadowNet)。在分离和重建阶段,利用自重建监督将阴影图像分离成直射光和环境光两部分,对光照类型和反射率进行特征解耦分离,设计解码器对分离的特征进行重新耦合以获得无阴影图像。在细化阶段,该网络关注阴影和非阴影的邻接区域,设计局部区域自适应归一化模块将局部非阴影区域颜色先验传递至阴影区域以减少两区域间的色差。实验结果表明,所提FSNIG-ShadowNet与其他优秀的方法相比取得了较有竞争力的结果。

关键词：阴影去除特征分离自重建颜色先验

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于先验信息约束的水平集图像分割方法研究

基于先验信息约束的水平集图像分割方法研究

引用

作者：高翔华侨大学

学位级别：硕士

图像分割是图像处理中重要的领域和环节之一,是图像识别和图像理解的基础,其分割结果直接影响后续的图像处理质量。由于图像分割的重要性,研究人员提出了很多的方法和技术,且每年都有大量新的研究成果。但现有的方法仍然存在分割过程复... 详细信息

图像分割是图像处理中重要的领域和环节之一,是图像识别和图像理解的基础,其分割结果直接影响后续的图像处理质量。由于图像分割的重要性,研究人员提出了很多的方法和技术,且每年都有大量新的研究成果。但现有的方法仍然存在分割过程复杂,结果准确性不高以及算法的通用性差等问题。近年来,水平集方法成为图像分割领域中的一个研究热点。水平集方法有着适于处理复杂的拓扑结构变化、较强的曲线逼近能力、分割精度较高等显著优点。虽然水平集方法展现出良好的分割性能,但水平集方法是作为一种通用的图像分割模型提出来的,无法适用于所有类型的图像,且分割精度收到初始轮廓及参数的设定影响较大。论文以基于局部信息的水平集方法和先验信息为基础,主要工作和创新之处在于:(1)在水平集分割模型的基础上,引入图像中的形状和颜色信息作为先验信息来指导分割曲线的演化。形状先验信息可以指导演化曲线向目标轮廓进化,对图像有缺失、重叠的情况能有良好的分割效果。颜色相似性判断用来判断分割后的目标和先验图像间颜色相似度,能够有效提高分割的准确率。针对图像边界模糊、有遮挡、与背景灰度相似等复杂背景的图像,实现了快速、准确的目标分割。(2)一般基于形状先验信息的水平集方法都是先提取出目标的先验形状,然后基于此形状去分割类似目标图像,通用性较差。对称性作为物体的一种形状特征,普遍存在于自然界和人工创造的物体中。利用对称性这一形状特征作为分割的约束条件,分割出图像中具有形状对称性的目标。所以本文将从图像目标的近似对称性这一先验信息出发,重点设计目标自身对称性检测指标,并将其作为约束项融合到能量函数中,从而构建一种新颖的、有效的对称性度量驱动的水平集图像分割方法。

关键词：图像分割水平集方法颜色先验形状先验对称性约束

来源：

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

基于深度学习的图像自动着色研究

基于深度学习的图像自动着色研究

引用

作者：戴家武湖南大学

学位级别：硕士

图像着色是计算机视觉和图像处理领域的一个研究热点,旨在将给定的黑白图像转换成完整的、可信的彩色图像,该项技术在老照片修复、辅助驾驶以及医学影像分析中有着广泛的应用。随着深度学习技术的发展,目前出现了一大批端到端的自动图... 详细信息

图像着色是计算机视觉和图像处理领域的一个研究热点,旨在将给定的黑白图像转换成完整的、可信的彩色图像,该项技术在老照片修复、辅助驾驶以及医学影像分析中有着广泛的应用。随着深度学习技术的发展,目前出现了一大批端到端的自动图像着色模型,这些模型能够在不需要人工干预的情况下自动完成图像着色。然而,现有的基于深度学习的自动着色模型存在颜色不连贯、图像质量差以及着色多样性不足等问题。为了达到更好的着色效果,本文从网络结构设计、模型表征能力、注意力机制等方面对当前的自动着色方案进行改进,主要的研究内容如下:第一,本文提出了一个基于局部金字塔注意力(Local Pyramid Attention,LPA)和空间语义调制(Spatial Semantic Modulation,SSM)的自动化着色模型。该模型以灰度图像作为输入,利用编码-解码结构的卷积神经网络进行颜色重建。LPA模块被引入到模型的编码器部分,该模块包含了基于多尺度空洞卷积的空间注意力和基于一维卷积的通道注意力,能够促进远距离像素之间的相关性建模,提高着色模型的上下文理解能力,有效地缓解着色结果中的颜色不连贯和语义混淆。SSM则是利用空间自适应归一化将灰度图像的语义信息分层次地嵌入解码器,给颜色重建提供有效的语义指导,进一步提升模型的语义感知能力,提高了着色图像的质量和颜色饱和度。第二,本文提出了一个基于隐空间三元组正则化(Triplet Latent Regularization,TLR)和深度颜色先验(Deep Color Prior,DCP)嵌入的多样化自动着色模型。该模型将多样化着色分成两个阶段,第一阶段称为初始上色阶段,即先利用编码解码结构的卷积神经网络对灰度输入进行初始上色,随后提取解码器的各层次特征作为深度颜色先验对第二阶段的多样化着色进行调制,该策略能够减少着色结果中的伪影和渗色,提高着色图像的质量。在第二阶段,该模型以灰度图像作为条件,从生成对抗网络的隐式空间分布中采样噪声并逐步解码生成多样化的着色结果。同时,该模型向隐式空间引入基于对比学习的三元组正则化策略,保证在对抗训练的过程中模型能够感知不同隐式编码的差别,提高着色多样性。本文分别在Pascal Context、Coco Stuff以及LFW、LSUN-Church、Image Net等多个公开数据集上进行了完备的实验,证明了本文提出的两个基于深度学习的黑白图像自动着色模型的优越性。同时,各模块的消融实验验证了本文模型设计的必要性和有效性,对当前的自动着色算法应用起到了一定的促进作用。

关键词：图像着色注意力机制生成对抗网络多样化着色颜色先验

来源：

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

多先验融合的显著性检测

引用

计算机与数字工程 2022年第3期50卷 508-515页

作者：常振段先华鲁文超江苏科技大学计算机学院镇江212003

为解决基于背景先验的显著性检测算法在检测复杂背景图像时存在误检问题,提出多先验融合的显著性检测算法。首先,将图像分割成四种不同的超像素尺度,根据流形排序算法计算出不同尺度的边界显著图,并进行线性融合得到最终边界先验;其次,... 详细信息

为解决基于背景先验的显著性检测算法在检测复杂背景图像时存在误检问题,提出多先验融合的显著性检测算法。首先,将图像分割成四种不同的超像素尺度,根据流形排序算法计算出不同尺度的边界显著图,并进行线性融合得到最终边界先验;其次,利用边界信息得到背景种子,进而利用距离和元胞自动机融合得到背景先验;然后通过颜色归一化处理,计算出颜色先验;最后,将三个先验图通过多元胞自动机模型得到最终显著图。在公开数据集MSRA1000、ECSSD和DUT-OMRON上与多种算法进行准确率和召回率对比,该算法有更好的表现。

关键词：显著性检测多元胞自动机边界先验背景先验颜色先验

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：