检索结果-南通市图书馆

电子学报 2018年第7期46卷 1683-1690页

作者：李梦刘星任泽民重庆大学经济与工商管理学院重庆400030 重庆工商大学数学与统计学院重庆400067 重庆科技学院数理学院重庆401331

基于变分框架和相变换理论,提出能量泛函应用于图像显著性检测,采用sobolev梯度法最小化该能量泛函,由此导出基于时间的演化系统应用于计算机视觉选择,其检测过程是图像显著和非显著分量的竞争变化.比较传统的L2梯度,sobolev度量具有更... 详细信息

基于变分框架和相变换理论,提出能量泛函应用于图像显著性检测,采用sobolev梯度法最小化该能量泛函,由此导出基于时间的演化系统应用于计算机视觉选择,其检测过程是图像显著和非显著分量的竞争变化.比较传统的L2梯度,sobolev度量具有更好的正则性.论文阐述了演化系统的动态行为和视觉选择之一致性,这对探索新的显著性检测机制非常重要.实验显示,本文模型在较好压制图像背景的同时,获得较为精细的目标、纹理,绒毛等信息,这些信息对于视觉感知是非常重要的.

关键词：视觉注意显著性检测相场方法变分模型 sobolev梯度

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sobolev梯度的混合活动轮廓模型

引用

福州大学学报（自然科学版） 2014年第6期42卷 841-846,852页

作者：戚世乐王美清潘能渊福州大学数学与计算机科学学院福建福州350116

结合CV和LBF模型,提出一种混合的活动轮廓模型,同时采用L2+sobolev梯度实现PDE演化方程.实验结果表明,该模型能够分割背景同质目标非同质以及简单的多目标同质图像,对初始轮廓大小以及噪声不敏感.

关键词： CV模型 LBF模型图像分割 sobolev梯度偏微分方程

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

活动轮廓模型的改进与基于sobolev梯度的优化

活动轮廓模型的改进与基于Sobolev梯度的优化

引用

作者：戚世乐福州大学

学位级别：硕士

图像分割是图像分析与计算机视觉领域中的一项基础且重要的问题,分割结果的好坏直接影响图像分析与理解等更高层的后续处理工作。图像分割的目的是根据灰度、颜色、纹理和形状等特征把图像划分成互不交迭的若干区域,并使这些特征在不同... 详细信息

图像分割是图像分析与计算机视觉领域中的一项基础且重要的问题,分割结果的好坏直接影响图像分析与理解等更高层的后续处理工作。图像分割的目的是根据灰度、颜色、纹理和形状等特征把图像划分成互不交迭的若干区域,并使这些特征在不同区域间呈现出明显的差异性,而在同一区域内呈现出相似性。现有的图像分割方法很多,其中基于偏微分方程理论的图像分割方法以其形式多样、结构灵活以及检测精度高、保持边缘连续性等优势成为国内外专家学者研究的热点。其基本思想是：根据图像特征设计偏微分方程能量泛函,通过变分水平集方法最小化该能量泛函,求解相应的演化方程即可获得目标物体的边界。本文首先介绍了基于PDE图像分割的研究背景、目的,以及研究意义。然后简要介绍了几个经典的活动轮廓模型及其相关数学理论,并详细分析了这些模型的优缺点。在此基础上,本文主要做了以下几方面的工作：(1)对Li模型进行改进,提出自适应分割弱边缘的活动轮廓模型,并证明自适应力的双向性。模型中自适应力的系数加入图像的灰度均值,根据演化曲线的位置自适应的收缩或扩张。结果表明,该方法克服了原Li模型初始轮廓必须完全包围或含在目标物体内的问题,可以任意设置初始轮廓大小及位置,能够分割多目标图像,具有较强的抗噪性。(2)LBF模型用每个像素点的邻域信息来拟合局部能量,对灰度不均匀图像可以得到很好的分割效果。但是LBF模型只考虑了图像的局部信息,没有考虑全局信息,因此它对初始轮廓大小、形状及位置都非常敏感。本文结合全局和局部信息,提出“两阶段”活动轮廓模型,即第一阶段利用图像的全局信息快速为图像的目标大致定位,第二阶段利用局部信息得到精确地分割结果。实验结果表明,本文方法保留了LBF分割灰度不均匀图像的能力,且对各种初始轮廓有较强的鲁棒性,抗噪性较强。(3)针对CV模型能够分割目标和背景同质的图像,但不能分割非同质图像,而LBF模型能够分割非同质图像,但对初始轮廓大小以及噪声敏感的问题,结合CV和LBF模型,提出了一种混合活动轮廓模型,同时采用L2+sobolev梯度实现PDE演化方程。实验结果表明,该模型能够分割背景同质目标非同质以及简单的多目标同质图像,且对初始轮廓大小以及噪声不敏感。

关键词：图像分割活动轮廓模型水平集方法偏微分方程 sobolev梯度

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

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

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

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：