检索结果-南通市图书馆

检索条件"主题词=L1-SVDD"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

非刚性兴趣目标的像素级自动标注问题研究

非刚性兴趣目标的像素级自动标注问题研究

引用

作者：陈瑞园南京林业大学

学位级别：硕士

图像标注是图像处理、计算机视觉和机器学习领域的一项基础性工作,其性能直接影响后续的模型训练以及算法性能。近年,高精度的图像标注,如像素级自动标注,已发展成为一个新兴的研究方向。在林业智能应用问题中,经常需要对遥感图像中的... 详细信息

图像标注是图像处理、计算机视觉和机器学习领域的一项基础性工作,其性能直接影响后续的模型训练以及算法性能。近年,高精度的图像标注,如像素级自动标注,已发展成为一个新兴的研究方向。在林业智能应用问题中,经常需要对遥感图像中的非刚性目标如“火”、“烟”、“云”等进行识别。由于此类目标的颜色不确定(或渐变),且无固定形状,使得现有的标注方法性能不佳甚至失效。本文从像素的独立同分布假设入手,为实现非刚性目标的像素级自动标注,主要完成如下工作:(1)提出了凸区域像素的快速提取算法。该算法采用Kronecker积计算图像像素与凸多边形兴趣区域(Region of Interest,ROI)的位置关系,不仅可自动实现位置判定和像素提取,而且时间复杂度为O(l*max(n,l)),其中n为待判定的像素个数,l为凸区域的顶点数。在n>>l时,该方法可视为线性的。(2)针对图像目标形状的非凸性,提出了任意形状ROI的像素快速提取算法。为提高像素提取的速度,借鉴集合的有限覆盖理论,将任意形状的非凸连通区域分解为若干个不相交凸集的并,再采用方法(1)提取像素。分解过程中,本文提出了两种凸分解方法,分别称为内分解和外分解,理论上证明了凸分解的存在性和分解的最大覆盖性。(3)基于工作(1)或(2)获得的像素样本,提出了一种快速的单分类方法l1-svdd。该方法融入了支持向量数据描述(svdd)和单类(One-Class)分类思想,并采用l1范数度量间隔,问题可通过线性规划求解,而不是原单类方法的二次规划。与边界框法(Bounding Box)、凸壳(Convex Hull)、图像抠图(Image Matting)和图像分割(Image Segmentation)方法相比,本文方法具有易操作性且符合人类视觉,求解速度快,可实现非刚性目标的像素级自动标注等特点。

关键词：兴趣区域像素标记任意形状最小覆盖 l1-svdd

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：