

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著多媒體信息技術(shù)的深入研究,關(guān)于人如何理解圖像的研究越來越受到關(guān)注,對于建立人眼視覺注意模型自動提取顯著區(qū)域的研究逐漸成為了多媒體處理領(lǐng)域中的研究熱點,并且開始在圖像內(nèi)容分析、圖像檢索、圖像質(zhì)量評價、壓縮、場景的監(jiān)控、圖像/視頻的自適應(yīng)等方面進(jìn)行應(yīng)用。因此,如何建立更符合人眼關(guān)注特性的視覺注意模型就成為了國內(nèi)外研究的重點。
本論文首先介紹了視覺注意模型構(gòu)建的基本知識,包括:人類視覺系統(tǒng)的生理特性、視覺注意機(jī)制、以及基于兩
2、種不同機(jī)制構(gòu)建的視覺注意模型;然后重點介紹了一種基于多尺度低層特征局部對照的視覺注意模型,以及在此基礎(chǔ)上提出一種基于局部和全局特征對照和特征融合的視覺注意模型;本論文還關(guān)注了視覺注意模型自動提取顯著區(qū)域在圖像和視頻分析領(lǐng)域的具體應(yīng)用,分別研究了視覺顯著區(qū)域提取在圖像自適應(yīng)上的應(yīng)用以及基于時空域顯著模型的視頻場景的分析,論文最后還介紹了對Stentiford視覺注意模型的改進(jìn)及其在圖像拷貝檢測上的潛在應(yīng)用。
本論文的主要貢獻(xiàn)
3、包括以下四個方面:
(1)提出一種基于多尺度低層特征局部對照的視覺注意模型。該模型在Itti模型構(gòu)建思想的基礎(chǔ)上進(jìn)行改進(jìn),代替以往的中央周邊差計算,采用新的基于多尺度的局部特征對照的方法來提取圖像的顯著區(qū)域,提取的顯著區(qū)域的效果優(yōu)于Itti模型;
(2)提出了一種基于局部和全局特征對照和特征融合的視覺注意模型,即基于跨層特征融合的視覺注意模型。在構(gòu)建該模型的過程中,不僅考慮局部特征對照在形成顯著圖中的作用,而
4、且也從全局的角度考慮,并且不同于以往對局部和全局特征對照采取地簡單線性加和的方法,在本方法中,我們以全局特征優(yōu)先感知為原則,通過局部和全局特征線性加和構(gòu)成加權(quán)模型,對全局顯著模型進(jìn)行加權(quán),得到最終的顯著區(qū)域。該注意模型提取的顯著區(qū)域準(zhǔn)確完整,而且顯著區(qū)域的顯著性相對于非顯著區(qū)域更加明顯;
(3)介紹了基于視覺注意模型自動提取顯著區(qū)域在圖像自適應(yīng)中的應(yīng)用。在提出的基于跨層特征融合的視覺注意模型提取顯著區(qū)域的基礎(chǔ)上,提出了一種
5、新穎的圖像自適應(yīng)方法和動態(tài)瀏覽策略;
(4)介紹了視覺注意模型自動提取顯著區(qū)域在視頻分析中的初步應(yīng)用。在空域顯著圖的基礎(chǔ)上,引入時域因素(運(yùn)動特征)的影響,通過時域與空域特征的有效融合得到時空域顯著模型,并將其應(yīng)用到視頻場景的監(jiān)控中;
(5)基于已有的經(jīng)典的Stentiford視覺注意模型進(jìn)行改進(jìn)。同時,利用改進(jìn)后的注意模型對各種拷貝處理后的圖像進(jìn)行顯著區(qū)域提取,其提取的顯著區(qū)域具有較好的穩(wěn)定性,為圖像拷貝檢
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 自底向上的視覺顯著性檢測方法與應(yīng)用研究.pdf
- 人眼視覺顯著區(qū)域提取方法研究.pdf
- 圖像顯著性區(qū)域提取技術(shù)研究.pdf
- 視覺媒體語義自動提取關(guān)鍵技術(shù)研究.pdf
- 視覺顯著區(qū)域的圖像編碼.pdf
- 基于顯著區(qū)域的圖像檢索技術(shù)研究.pdf
- 視覺顯著區(qū)域檢測算法研究.pdf
- 彩色圖像感興趣區(qū)域自動提取技術(shù)研究.pdf
- 自底向上的三維形狀分割.pdf
- 基于視覺感知機(jī)理的顯著區(qū)域研究.pdf
- 基于視覺顯著性的目標(biāo)檢測技術(shù)研究.pdf
- 基于視覺的車輛候選區(qū)域提取與車輛檢測技術(shù)研究.pdf
- 視覺顯著性檢測關(guān)鍵技術(shù)研究.pdf
- 基于顯著性區(qū)域的碼率分配技術(shù)研究.pdf
- 知識圖譜的本體學(xué)習(xí)(自底向上序)
- 基于顯著區(qū)域提取的人臉檢測研究.pdf
- 基于視覺顯著的圖像拷貝檢測關(guān)鍵技術(shù)研究.pdf
- 紅外雙目立體視覺顯著目標(biāo)測距技術(shù)研究.pdf
- 基于人類視覺系統(tǒng)的顯著區(qū)域檢測.pdf
- 面向顯著區(qū)域的圖像多特征融合檢索技術(shù)研究.pdf
評論
0/150
提交評論