检索结果-南通市图书馆

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

基于深度学习的rgbd图像增强方法研究

基于深度学习的RGBD图像增强方法研究

作者：李楠郑州大学

学位级别：硕士

深度信息是增强现实、三维重建、无人驾驶等众多应用场景中不可或缺的信息之一。rgbd相机不仅可以获取到场景的深度图像,还可以获取到同一场景下的彩色图像/RGB图像,然而受采集设备的限制,其获取得到的深度图分辨率远低于其对应的RGB图... 详细信息

深度信息是增强现实、三维重建、无人驾驶等众多应用场景中不可或缺的信息之一。rgbd相机不仅可以获取到场景的深度图像,还可以获取到同一场景下的彩色图像/RGB图像,然而受采集设备的限制,其获取得到的深度图分辨率远低于其对应的RGB图像的分辨率,很难满足实际应用的需求。针对这一问题,研究了在高分辨率RGB图像作为引导图像的条件下,对深度图像进行超分辨率重建的方法,充分利用RGB图像的细节信息来重建出高分辨率深度图,从而得到高分辨率高质量的深度图。主要研究工作如下:(1)提出基于改进U-Net网络的深度图超分辨率重建方法。为了充分利用深度图的高频特征和引导图像的层次特征,通过改进U-Net网络构建出深度图超分辨率重建网络(UDepth SR),该网络通过残差学习的方式,利用低分辨率(LR)深度图和高分辨率(HR)RGB图像,重建出HR深度图。UDepth SR在U-Net网络的Encoder-Decoder基础上增加多层次引导分支(MGB),该分支用来从彩色图像中提取多层次强度特征来引导深度残差图的重建;同时在跳跃连接中引入通道注意力机制模块(CAB),该模块用来突出那些包含丰富细节的通道信息来提取深度图的高频特征,从而为Decoder的上采样过程补充更精细的特征。Decoder提取的特征、MGB提取的分层特征和CAB提取的高频特征进行融合,通过残差学习得到HR深度图。在公开数据集上的实验结果表明,UDepth SR的结果优于一些传统方法和现有方法,验证了所提网络模型的有效性。(2)提出基于多尺度残差块的深度图超分辨率重建方法。为了充分利用深度图的多尺度特征和引导图像的高频特征,提出基于多尺度残差块的深度图超分辨率重建网络(MSRNet),该网络利用从RGB图像提取的高频特征来逐渐引导深度图的超分辨率重建过程。网络包含两个分支:高频引导分支(HFGB)和多尺度重建分支(MSRB)。HFGB中的高频层(High Frequency Layer,HFL)采用Octave卷积把RGB图像特征分解为高频特征和低频特征,只使用高频特征作为引导,用来提供有用的高频细节;对低频特征进行抑制以减少参数,保持重建效果的同时提高效率。MSRB中包含一种多尺度残差块(MSRM),这个模块在残差结构的基础上通过使用大小不同的卷积核来提取不同尺度下的深度特征,同时在不同尺度特征之间采用跳跃连接,实现特征的共享和复用,使深度特征在重建过程中得到充分的利用。HFL提取的高频特征和MSRM提取的多尺度特征进行特征融合重建出残差图,最后通过残差学习生成HR深度图。实验结果表明,MSRNet的实验结果优于一些传统方法和深度学习方法,具有一定的实际应用价值。

关键词： rgbd图像深度图超分辨率重建深度学习通道注意力机制多尺度残差块

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rgbd图像的多前景物体分割研究

基于RGBD图像的多前景物体分割研究

作者：李艳山东大学

学位级别：硕士

前景物体是一副图像中最吸引人的部分,一般是人眼首先观察到的地方,也是各种图像分析的主要研究对象。图像分割提取前景物体作为场景解析、物体检测、自动驾驶和元宇宙搭建等任务的关键步骤之一,其分割结果会直接影响到最终的呈现效果... 详细信息

前景物体是一副图像中最吸引人的部分,一般是人眼首先观察到的地方,也是各种图像分析的主要研究对象。图像分割提取前景物体作为场景解析、物体检测、自动驾驶和元宇宙搭建等任务的关键步骤之一,其分割结果会直接影响到最终的呈现效果。因此,正确的分割图像中的前景物体有着重要的工程意义和实际意义。图像分割技术因其自身的重要性以及较高的研发难度,一直是计算机视觉领域的研究热点。随着研究人员的不断投入,每年都涌现出多种方法,但大多数方法的处理对象仅是彩色图像。由于彩色图像无法提供场三维空间信息,所以当前景物体与背景之间颜色信息相似时,前景信息将难以被正确地提取出来。近些年来,深度相机逐渐进入大家的视野,相应的技术也得到了快速发展,rgbd图像的获取变得越来越方便,也使得该方向逐渐成为图像分割领域中新的研究热点。本文提出一种基于rgbd图像的多前景物体分割方法,通过使用深度信息来弥补彩色信息的不足,实现对前景物体更加准确的提取。论文的主要工作包括:1、本文提出一种新型的路平面像素点提取方法。现有的路面提取算法,一般是提取整片的路面区域,但在与前景物体直接接触的区域难以提取。本文提出的算法通过拟合路面深度信息,利用原深度图与拟合路面之间的信息差,提取路面像素点,可以有效断开路面与前景物体之间的深度联系。2、本文提出一种自适应多阈值深度图像分层算法。首先根据深度图中前景物体的相对位置关系制作实验所需数据集。然后基于该数据集对ResNet(残差网络)图像分类模型进行训练,使其可以正确预测深度图像的分层层数。最后将该预测结果作为多阈值大津法的输入,得到深度层,减少了人工交互。3、使用Mean Shift算法分割彩色图像,得到的过分割彩色块。然后定义一种区域合并的标准,包含深度层约束分层和面积阈值的约束,将被过分割的前景物体进行合并,提取出前景物体。为了验证本文所提出算法的准确性,本文对三个不同场景下的数据集进行了实验对比,并且和四种优秀的图像分割算法进行了比较。实验结果表明,该算法在室内室外多种场景下,均具有较高的准确性。

关键词：多前景分割路面去除深度分层 rgbd图像残差网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非对称融合的rgbd图像显著目标检测

基于非对称融合的RGBD图像显著目标检测

作者：邢章浩河北工业大学

学位级别：硕士

显著目标检测的目的是使计算机模拟人类的视觉注意力机制,检测、分割出图像中最吸引人类注意的部分。显著目标检测可以作为预处理技术,应用在语义分割、图像压缩、医学图像分析等领域。近年来,随着深度传感器技术的不断提升,将深度图像... 详细信息

显著目标检测的目的是使计算机模拟人类的视觉注意力机制,检测、分割出图像中最吸引人类注意的部分。显著目标检测可以作为预处理技术,应用在语义分割、图像压缩、医学图像分析等领域。近年来,随着深度传感器技术的不断提升,将深度图像作为补充信息辅助RGB图像检测显著目标,形成了rgbd图像显著目标检测任务。目前,大多数rgbd显著目标检测方法简单地将RGB特征和Depth特征同等对待,使用对称的结构融合两种特征。对称的融合方式忽视了RGB图像和深度图像之间的差异性,难以充分融合这两种特征。本文提出一种基于非对称融合的rgbd图像显著目标检测方法。非对称融合方式充分利用RGB图像和深度图像之间固有的差异,有效地融合RGB特征和Depth特征,能在输入较高质量深度图像时准确检测显著目标。在这个方法中,基于双流网络提取特征,设计的非对称融合模块充分利用RGB特征和Depth特征之间的差异性,使用Depth特征定位显著目标,用于指导RGB特征补足显著目标的细节信息。解码器部分使用二分支主干策略,这种解码方式与编码器部分耦合程度低,能有效降低整个模型的复杂程度。在非对称结构的基础上,进一步提出结合深度去噪和全局感知的rgbd图像显著目标检测方法,解决了输入低质量深度图像时检测精度下降、显著目标检测不完整两个问题,使其能在复杂环境中精确检测出完整显著目标。在双流网络的Depth信息流一侧添加深度去噪模块,该模块能滤除特征中的噪声,保留低质量深度图中的重要特征参与后续的非对称融合过程,解决输入低质量深度图像时检测结果较差的问题。在RGB信息流一侧添加全局感知模块,该模块能提取全局上下文信息,通过扩大的感受野检测显著目标远距离相似性,保证显著目标的完整性。本文方法在公开的NJU2K、NLPR、SIP和STERE四个数据集上进行大量实验,并且与16种主流方法进行视觉定性对比和数据量化对比,实验结果表明本文方法优于当前的主流方法。多组消融实验验证本文设计的模块的有效性;同时,与对称结构的对比证实,本文的非对称结构取得了更好的结果。

关键词： rgbd图像显著目标检测非对称融合深度去噪全局感知

基于超图模型与CNN的rgbd图像显著目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于超图模型与CNN的RGBD图像显著目标检测

作者：陈文霞西北师范大学

学位级别：硕士

显著目标检测是利用计算机模拟人类视觉的工作机制,忽略视觉场景中的无效区域,对图像中信息量最大的区域进行精确、快速的提取。现今,显著目标检测主要分为基于特征提取和基于深度学习两类方法。前者是通过提取图像的手工特征进行显著... 详细信息

显著目标检测是利用计算机模拟人类视觉的工作机制,忽略视觉场景中的无效区域,对图像中信息量最大的区域进行精确、快速的提取。现今,显著目标检测主要分为基于特征提取和基于深度学习两类方法。前者是通过提取图像的手工特征进行显著目标检测,而后者是对图像的深层语义特征进行学习的显著目标检测。随着成像技术的快速发展,rgbd图像中含有的深度信息能够有效增强显著目标在图像中的表示,从而在显著目标检测等计算机视觉任务中得到了广泛应用。然而,现有的显著目标检测方法对于一些背景复杂、前景和背景对比度低的图像,会出现显著目标检测不完整,边界不清晰的问题。本文从基于特征提取和基于深度学习的角度出发,提出了两种rgbd图像显著目标检测模型:(1)提出了一种基于超像素与超图的rgbd图像显著目标检测方法。针对现有的超像素分割方法无法拟合出图像弱边缘,甚至会存在错分割的问题,首先提出一种新的超像素分割方法对rgbd图像进行超像素分割。然后,基于图像超像素的颜色特征、优化后的深度特征和全局空间特征相似性构建加权超图模型。最后,利用随机游走算法对超像素的重要性进行排序得到显著性检测结果。实验结果表明,本文所构建的超图模型显著目标检测方法优于对比方法中基于特征提取的方法,但相较于现有特征学习的方法在检测准确性上仍存在不足。(2)提出了一种基于门控跨模态注意力的rgbd图像显著目标检测方法。针对现有的rgbd图像显著目标检测深度学习方法在各层提取的跨模态特征,缺少合适的融合方式,本文通过对不同尺度的多模态特征采用不同的融合策略,逐步消除无关的背景区域。该方法首先使用交错融合模块来定位图像高层特征中显著性区域的位置信息。然后使用门控跨模态注意模块在图像低层减少了单模态特征中的冗余信息,去除了一些不必要的细节信息。最后,使用加权融合模块来融合各特征层的跨模态特征来预测最终的显著目标检测结果。实验结果表明,本文所提出的基于门控跨模态注意力的rgbd图像显著目标检测方法能够有效地检测出在复杂背景图像中的显著性目标。

关键词：显著目标检测 rgbd图像超图模型超像素门控跨模态注意力

基于样本选择的rgbd图像协同显著目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子与信息学报 2020年第9期42卷 2277-2284页

作者：刘政怡刘俊雷赵鹏安徽大学计算机科学与技术学院合肥230601

协同显著目标检测的目的是在包含两张及以上相关图像的图像组中检测共同显著的物体。该文提出一种利用机器学习的方法对协同显著目标进行检测。首先,基于4个评分指标从图像组中选择部分显著目标易于检测的简单图像,构成简单图像集;接着... 详细信息

协同显著目标检测的目的是在包含两张及以上相关图像的图像组中检测共同显著的物体。该文提出一种利用机器学习的方法对协同显著目标进行检测。首先,基于4个评分指标从图像组中选择部分显著目标易于检测的简单图像,构成简单图像集;接着,基于协同一致性的原则,从简单图像集中提取正负样本,并用深度学习模型提取的高维语义特征表示正负样本;再者,利用正负样本训练的协同显著分类器对图像中的超像素进行分类,得到协同显著目标区域;最后,经过一个平滑融合的操作,得到最终的协同显著图。在公开数据集上的测试结果表明,所提算法在检测精度和检测效率上优于目前的主流算法,并具有较强的鲁棒性。

关键词：目标检测协同显著目标 rgbd图像深度学习分类器

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

rgbd图像显著性检测研究

RGBD图像显著性检测研究

作者：张建峰重庆邮电大学

学位级别：硕士

视觉显著性检测,受启发于人类视觉注意机制,能够模拟人眼快速检测出图像场景中最具吸引力的区域。它作为一种图像预处理技术,能够帮助人们快速定位感兴趣的图像区域,并优先分配资源对其进行处理,在机器视觉领域有着广泛的应用。本文主要... 详细信息

视觉显著性检测,受启发于人类视觉注意机制,能够模拟人眼快速检测出图像场景中最具吸引力的区域。它作为一种图像预处理技术,能够帮助人们快速定位感兴趣的图像区域,并优先分配资源对其进行处理,在机器视觉领域有着广泛的应用。本文主要对rgbd图像上的显著性检测进行了重点研究,主要工作如下:针对基于边界先验的显著性检测方法获取的背景种子不准确以及难以高效测量图像边界连通性的问题,提出一种基于最小生成树的显著性检测算法。首先,在输入图像上构造最小生成树;然后,去除特异性最强的一条图像边界,将剩下的三条边界作为背景种子;接下来,在最小生成树上搜索每个像素到背景种子的最短路径生成距离图,并将得到的显著值最高的一部分像素作为目标种子对距离图更新一次;最后,计算一个辅助图对距离图进行矫正得到RGB图像上的颜色显著图。针对LBE(Local Background Enclosure)算法难以完整检测出结构复杂的目标和过度依赖深度信息的问题,提出一种基于改进LBE特征的显著性检测算法。首先,对输入的深度图像进行多级分割;然后,在各级分割图上计算LBE特征并融合得到深度显著图。分析颜色显著图和深度显著图的各自特点,提出一种能够结合两种显著图各自优势的自适应融合算法,将两种显著图融合得到rgbd图像上的最终显著图。在公开的数据集上对上述算法进行仿真实验,并和经典的视觉显著性检测算法进行对比,实验结果表明本文算法相较于对比算法在准确率,召回率和F-measure上均有明显优势,视觉效果上更接近人工标注图。

关键词：显著性检测 rgbd图像深度信息多级分割最小生成树

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

rgbd图像显著性检测与行人检测应用研究

RGBD图像显著性检测与行人检测应用研究

作者：袁璟中国科学技术大学

学位级别：硕士

人类视觉系统的选择性注意机制可以帮助人类从复杂的外界刺激中筛选出场景中的重要内容,图像的显著性检测即是利用计算机视觉算法来模拟人类的这种视觉特性,快速定位图像显著性区域并给出其显著性程度,进而服务于其他图像分析任务。得... 详细信息

人类视觉系统的选择性注意机制可以帮助人类从复杂的外界刺激中筛选出场景中的重要内容,图像的显著性检测即是利用计算机视觉算法来模拟人类的这种视觉特性,快速定位图像显著性区域并给出其显著性程度,进而服务于其他图像分析任务。得益于传感器技术的发展,rgbd相机可以获取场景的可见光色彩信息和深度信息并以图像形式存储,为图像领域的研究注入了新的活力。本文从图像显著性出发,对rgbd图像的显著性检测与其在行人检测中的应用进行了较为深入的研究。论文的主要工作包括:(1)针对深度图由于获取设备自身局限性所带来的图像噪声问题,本文提出了一种基于卷积神经网络平衡深度图像细节的显著性检测方法:首先提取深度图像中的高层空间布局特征来忽略深度图像细节,再逐级渐进式嵌入彩色图像的特征来优化最终决策过程。方法综合了自底向上和自上而下机制的显著性特征,利用数据驱动的深度学习策略自动化地进行特征提取与融合决策过程。实验结果在公开数据集上取得了先进水平。(2)针对深度图像数据在不同特征层级对可见光数据的补充作用,本文提出一种基于残差补偿模块的深度信息辅助的显著性检测方法:残差补偿模块提取深度图像对彩色图像的补充信息,多层次的架构建模不同特征层级下深度图像数据与彩色图像数据间的辅助关系,预测模块结合多层级线索进行决策。实验结果表明了该方案处理rgbd显著性检测任务的性能良好,提取的显著性区域更为准确。(3)针对显著性检测在其他图像分析环节的应用问题,本文提出一种基于显著性检测模型抽取特征进行行人检测的方案。通过rgbd显著性模型提取并融合彩色图像与深度图像特征,利用简单设计的额外检测模块实现行人检测任务。显著性检测模型提取的特征包含丰富的视觉线索,基于公开数据集的实验证明了其具备直接迁移到行人检测任务的能力。综上所述,本文对rgbd图像显著性及显著性在行人检测任务中的应用方式进行了探索,为应对深度图像的局限性与多源信息的融合问题提出了相应的解决方法,并证明了显著性特征在行人检测任务上的应用价值。

关键词： rgbd图像显著性检测行人检测卷积神经网络特征融合

面向rgbd图像的显著性目标检测算法研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向RGBD图像的显著性目标检测算法研究与实现

作者：李观琴北京交通大学

学位级别：硕士

图像显著性目标检测旨在利用计算机模拟人类的视觉认知机制,快速并准确地定位视觉场景中最具信息量的区域,同时选择性地忽略其他无关区域。该任务作为计算机视觉研究领域中的一个重要分支,广泛应用于诸如机器人识别、背景转换、三维视... 详细信息

图像显著性目标检测旨在利用计算机模拟人类的视觉认知机制,快速并准确地定位视觉场景中最具信息量的区域,同时选择性地忽略其他无关区域。该任务作为计算机视觉研究领域中的一个重要分支,广泛应用于诸如机器人识别、背景转换、三维视觉重建等实际场景中,并作为图像识别、图像分类、语义分割等视觉任务的预处理工具,有效地节省了图像处理的时间和空间成本。近年来,深度学习地快速发展使得基于神经网络的rgbd显著性目标检测方法接连被提出,并取得了一定的进展,但如何有效地利用Depth信息进行rgbd的显著性目标检测仍然是一个难题。首先,由于由Depth信息采集设备（诸如:Kinect、i Phone X等）捕捉到的Depth图像往往含有图像噪声,导致难以有效精准地提取Depth特征;其次,现有深度学习方法直接融合RGB和Depth这两种不同属性的特征,两种属性的特征存在固有差异,直接融合的方式使得模型的判别力受到干扰,无法充分发挥Depth的作用。本文针对上述两个问题展开研究,主要工作如下:（1）基于自适应权重的rgbd显著性目标检测算法研究。针对RGB和Depth这两种不同属性特征融合困难问题,本文提出一种基于自适应权重的rgbd显著性目标检测模型（D2FNet）。利用Depth信息,学习RGB线索的自适应融合权重,用于度量网络中各层RGB线索对预测最终显著性目标的重要程度,以此动态的引导RGB特征的交叉融合。此模型动态地选择具有补充信息的RGB特征,并自适应地增强与融合这些RGB特征,充分发挥Depth的作用,有效突出显著性区域。（2）融合边缘信息的rgbd显著性目标检测算法研究。针对Depth图像存在噪声数据（主要表现为边缘模糊）导致特征提取困难问题,本文受边缘检测启发,提出一种基于边缘学习的rgbd显著性目标检测网络模型。该模型设计了一个深度图像边缘信息提取模块,用于提取depth的边缘特征。并利用类别平衡交叉熵损失函数指导该模块的训练,以确保Depth边缘特征提取的精准度。该模型一定程度上解决了Depth边缘模糊带来的Depth特征提取不准确问题,能够分割出精准度较高的显著性目标。为了验证上述所提方案的可行性,本文在通用公开的rgbd显著性目标检测数据集上进行了大量丰富的实验。实验结果表明,本文提出的面向rgbd图像的显著性目标检测算法的性能超越了当前现有的rgbd显著性目标检测的性能。

关键词： rgbd图像显著性目标检测 rgbd显著性目标检测卷积神经网络

基于显著性种子点的rgbd图像分割方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于显著性种子点的RGBD图像分割方法研究

作者：贾婧蕊贵州师范大学

学位级别：硕士

图像分割作为图像分析的关键步骤,已经成为图像处理领域关注的一个热点。图像分割指的是将图像按照不同的特征分成互不重叠且不相交的区域并将感兴趣目标提取出来的过程,已经被广泛地应用于军事、医学、交通等多个不同的领域。但由于图... 详细信息

图像分割作为图像分析的关键步骤,已经成为图像处理领域关注的一个热点。图像分割指的是将图像按照不同的特征分成互不重叠且不相交的区域并将感兴趣目标提取出来的过程,已经被广泛地应用于军事、医学、交通等多个不同的领域。但由于图像的复杂性与多样性,所以目前并未有十分成熟的且满足各个不同要求的图像分割方法。因此,深入研究图像分割技术并探索准确高效的图像分割方法,对计算机视觉领域的发展具有非常重要的意义。交互式图像分割算法融入了用户提供的先验知识,可以取得令人满意的分割结果,是目前较为主流的图像分割方法。但交互式分割在很大程度上依赖用户的主观经验,且费时费力,不具有实时性。随着3D传感技术的发展,图像分割算法不再局限于二维图像,rgbd图像能够提供比彩色图像更为丰富的三维场景信息,因此针对rgbd图像分割技术受到了学者的关注。针对交互式图像分割的缺点与rgbd的优势,提出了基于显著性种子点的rgbd图像自动分割方法。重点研究了超像素分割预处理、显著性种子点检测与基于区域的图像分割算法。本文利用改进的图像分割方法取得了较好的分割结果,主要研究内容如下:1.提出深度加权超像素分割算法。构建了基于颜色,位置,深度的六维特征向量,可以取得更加准确的初始超像素分割结果。2.提出多特征融合的显著性种子点检测方法。算法通过融合图像的颜色特征、深度信息、中心先验特征,对rgbd图像构建全局图与局部图,并利用击中时间检测前景种子点与背景种子点。该方法可以有效地提高显著性种子点检测的准确性。3.提出了一种新的自动图像分割方法,融合显著性种子点的最大相似度区域合并算法。算法首先通过深度加权超像素分割方法对图像进行预分割,其次通过多特征融合的显著性种子点检测方法得到前、背景种子点,最后将前、背景种子点作为交互信息并利用最大相似度区域合并机制对图像进行分割。

关键词：图像分割 rgbd图像超像素分割显著性种子点检测区域合并