学位论文 > 优秀研究生学位论文题录展示

基于区域的图像分割及视觉显著性检测算法研究

作　者: 肖小龙
导　师: 陈志华
学　校: 华东理工大学
专　业: 计算机应用技术
关键词: 图像分割视觉显著性显著区域移动视觉焦点显著性引力模型
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 139次
引　用: 0次
阅　读: 论文下载

内容摘要

随着互联网技术的兴起和智能手机的普及,数字图像已逐渐成为人们日常生活中必不可少的信息载体。本文的重点研究内容是基于区域的数字图像分割及视觉显著性检测算法。图像分割根据图像内容将图像中的同质区域分割成同一块区域,从而便于计算机对图像的理解。图像视觉显著性检测基于视觉注意机制检测出图像中的显著区域,从而完成图像的自适应处理。本文围绕以上两部分研究内容,提出了基于像素袋的图像分割算法以及基于移动视觉焦点的图像显著性检测算法。·基于像素袋的图像分割算法通过将多个像素点看作一个像素袋,对图像进行降采样处理；然后通过基于图的分割算法(GB)对降采样的图像进行图像分割；最后根据降采样图像对源图像进行分割。本文将该算法与GB算法进行了性能上的对比,实验结果表明本文提出的算法性能要优于GB算法。·基于移动视觉焦点的图像显著性检测算法通过构建显著性引力模型获得图像的视觉焦点并通过焦点加权计算获得图像的显著图。在显著性引力模型中,本文将图像的几何中心看作图像的初始视觉焦点,然后通过引力模型的迭代去计算焦点的移动距离以及移动方向,获得最终的视觉焦点。本文在现有公开最大的显著性图像集上将提出的算法与其他算法进行了性能对比。实验结果表明本文提出的检测算法要优于现有使用广泛的10种算法。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-15
  1.1 研究背景及意义  9-11
  1.2 研究内容  11-12
  1.3 本文主要贡献和组织结构  12-13
  1.4 本章小结  13-15
第2章基本理论与相关工作  15-29
  2.1 图像处理常用底层特征  15-16
  2.2 图像分割发展及现状  16-17
    2.2.1 基于阈值的分割  16
    2.2.2 基于边缘检测的分割  16-17
    2.2.3 基于区域的分割  17
    2.2.4 基于图论的分割  17
  2.3 图像显著性检测的发展  17-22
  2.4 图像显著性检测方法  22-27
    2.4.1 基于某种生物模型  22-23
    2.4.2 纯计算  23-27
    2.4.3 两类算法结合  27
    2.4.4 现有算法缺陷  27
  2.5 本章小结  27-29
第3章基于像素袋的图像分割算法  29-35
  3.1 引言  29
  3.2 GB分割算法的不足  29-30
  3.3 基于像素袋的分割算法  30-32
  3.4 实验对比及分析  32-34
  3.5 本章小结  34-35
第4章基于移动视觉焦点的图像显著性检测  35-61
  4.1 引言  35-36
  4.2 图像的量化  36-41
    4.2.1 初步量化  36-39
    4.2.2 高频颜色的筛选  39-41
  4.3 颜色空间转换  41-42
  4.4 显著性计算  42-49
    4.4.1 初始显著值计算  42-43
    4.4.2 视觉焦点的获得及最终显著值计算  43-48
    4.4.3 显著性引力模型  48-49
  4.5 算法整体流程  49
  4.6 实验性能分析  49-59
    4.6.1 实验数据集  49
    4.6.2 评价标准  49-50
    4.6.3 固定阈值对比实验分析  50-54
    4.6.4 自适应阈值分割对比实验分析  54-59
  4.7 本章小结  59-61
第5章总结与展望  61-63
  5.1 全文工作总结  61
  5.2 未来工作展望  61-63
参考文献  63-67
致谢  67-69
附录1 攻读硕士学位期间发表论文  69

基于区域的图像分割及视觉显著性检测算法研究

内容摘要

全文目录

相似论文