学位论文 > 优秀研究生学位论文题录展示

感知对象分割方法研究

作　者: 唐良智
导　师: 李宏亮
学　校: 电子科技大学
专　业: 信息获取与探测技术
关键词: 感知对象 显著图 潜在狄利克雷分布 视觉感知单词 感知图模型
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 39次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着数字图像数量的飞速增长,各行各业对数字图像处理技术的需求也日趋增加。而随着数字图像技术的发展,由传统的基于图像底层特征的图像处理技术与图像高层语义之间的鸿沟所造成的图像理解的误差也越发明显,为了更好的理解图像中的内容,本文重点研究了图像中感知对象的分割算法。有相关研究表明,人们在观察图像的时候,通过对图像的短暂观察和理解之后,往往只关注图像中的某个或多个物体,这样的物体往往代表了图像需要传达的大部分信息,在很多的图像应用中只关注此类物体可以显著地提高图像处理的效率以及准确性,这样的物体在本文中我们称之为感知对象。本课题的主要研究内容就是如何从一幅未给出任何先验信息的图像中检测出感知对象,并且同时分割出感知对象的具体形状。本文根据两种完全不同的思路,分别提出了无监督和有监督的感知对象分割算法。本文的主要工作及创新点如下:1.首先对图像中感知对象这一概念进行了介绍,对感知对象分割方法的研究意义和课题背景进行了阐述,然后对与本课题相关的算法进了分类介绍。2.研究了基于显著图融合的感知对象分割算法。该算法首先根据一幅输入图像计算出三种不同的显著图:对比度显著图、颜色分布显著图以及频谱残差显著图。然后利用图像分割算法对输入图像进行过分割处理,再结合得到的显著图计算出每一块过分割区域的区域感知度,最后通过对区域感知度进行阈值处理分割出图像中的感知对象。3.研究了基于学习的感知对象分割算法。该算法采用了潜在狄利克雷分布对文档进行建模的思想,建立了用于感知对象分割的感知图模型。该算法包括三个步骤,训练图像库的标记,视觉感知单词的计算以及视觉感知词典的生成。然后详细介绍了基于潜在秋利克雷分布的感知图的结构内容、模型中的参数估计以及模型的判决过程。

全文目录


摘要  4-5
ABSTRACT  5-9
第一章 绪论  9-15
  1.1 课题的研究背景及意义  9-12
  1.2 感知对象分割研究现状  12-13
  1.3 本文的主要研究内容和章节安排  13-15
    1.3.1 本论文主要研究内容  13-14
    1.3.2 本论文章节安排  14-15
第二章 感知对象的分割算法介绍  15-20
  2.1 图像中的感知对象  15-16
  2.2 图像对象分割  16-17
    2.2.1 图像分割算法介绍  16
    2.2.2 对象分割算法介绍  16-17
  2.3 与本课题相关的算法  17-19
    2.3.1 基于视觉注意模型的显著检测  17-18
    2.3.2 基于学习的感知对象检测  18-19
    2.3.3 基于图论的显著检测  19
    2.3.4 基于交互式的感知对象分割  19
  2.4 本章小结  19-20
第三章 基于显著图融合的感知对象分割  20-33
  3.1 算法的整体流程  20-22
  3.2 显著图的计算  22-27
    3.2.1 对比度显著图  22-23
    3.2.2 颜色分布显著图  23-26
    3.2.3 频谱残差显著图  26-27
  3.3 图像的过分割  27-28
  3.4 区域感知度的计算  28-30
  3.5 感知对象分割的实验结果  30-32
  3.6 本章小结  32-33
第四章 基于潜在狄利克雷分布的感知对象分割  33-55
  4.1 潜在狄利克雷分布  33-39
    4.1.1 概率图模型的介绍  34-36
    4.1.2 潜在狄利克雷分布  36-39
  4.2 基于感知图模型的感知对象分割算法流程  39-41
  4.3 感知对象图像库的建立  41-44
  4.4 视觉感知词典的构建  44-48
    4.4.1 超像素的生成  44-45
    4.4.2 视觉感知单词的计算  45-47
    4.4.3 视觉感知词典的构建  47-48
  4.5 基于潜在狄利克雷分布的感知图模型  48-53
    4.5.1 感知图模型  48-51
    4.5.2 感知图模型的参数训练  51-52
    4.5.3 感知图模型的判决形式  52-53
  4.6 感知对象分割的实验结果及分析  53-54
  4.7 本章小结  54-55
第五章 结论  55-57
  5.1 本论文研究总结  55-56
  5.2 展望  56-57
致谢  57-58
参考文献  58-62
攻硕期间取得的研究成果  62-63

相似论文

  1. 低质量文档图像的二值化研究,TP391.41
  2. 基于拓扑性质的视觉注意力模型的研究及其应用,TP391.41
  3. 面向智能监控中动态感兴趣区域的识别和编码,TP391.41
  4. 基于线裁剪的内容感知图像缩放技术研究,TP391.41
  5. 基于生物视觉机制的图像感兴趣区域提取研究,TP391.41
  6. 基于图学习的唐卡图像自动标注技术研究,TP391.41
  7. 基于光学遥感图像的舰船目标自动检测技术,TP751
  8. 基于视觉的图像质量评价方法,TP391.41
  9. 视觉注意的研究,TP391.41
  10. 视觉注意机制相关研究及其中视觉显著度与重要度间关系的量化分析,TP391.41
  11. 智能视频监控烟火检测研究与实现,TP391.41
  12. 基于各向异性结构张量和联合显著信息的非刚性医学图像配准研究,TP391.41
  13. 基于视觉注意机制的数字水印技术研究,TP309.7
  14. 视觉注意力机制及其应用研究,TP391.41
  15. 基于注意力机制的图像显著区域提取算法分析与比较,TP391.41
  16. 图像显著性算法和评价研究,TP391.41
  17. 基于感兴趣区域的运动人体检测与跟踪,TP391.41
  18. 基于视觉注意机制的物体显著性研究,TP391.41
  19. 结合显著性分析和半监督学习的图像检索算法,TP391.3
  20. 视觉注意和行为认知模型及其应用,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com