基于视觉显著性的显著区域检测算法研究
时间:2018-09-04 17:28 来源:毕业论文 作者:毕业论文 点击:次
| 摘要： 视觉注意计算模型以解剖学、神经心理学、认知科学等领域的研究成果或假说为基础，利用数学模型模拟人类的视觉感知系统，是目前数字图像处理的研究热点。视觉注意计算模型将存在待检测目标的人眼感兴趣区域视为图像中某些特征显著的像素点的集合，通过寻找图像中的显著点来检测感兴趣区域。在图像检索、目标检测、场景监控等众多图像处理任务中，通过视觉注意计算模型检测出图像中的感兴趣区域，将系统资源集中于此类区域进行计算分析，相比于对图像中所有区域赋予相同优先级的处理方法，降低了处理过程的计算量，为后续的处理提供很大的便利。本论文主要针对基于MSRF、MSD以及MSR这三种显著区域检测算法展开研究与讨论。通过对这三种算法的效率和性能分析，总结出他们的优点和缺点，方便在对不同图像进行检测时，选取正确的、效率最高的方法进行最优解决。27723 毕业论文关键词： MSRF；MSR；MSD；算法性能；ESS Visual Saliency based On Salient Region Detection algorithms Abstract: In this thesis, the object of study and discussion based on salient region detection algorithm MSRF, MSD and MSR these three methods. Through these three algorithms efficiency and performance analysis, summed up their advantages and disadvantages of different images when convenient for testing, select the correct, most efficient method is the optimal solution. In this thesis writing process, through the analysis of the three algorithms, the algorithm efficiency of detection, and debug their hardware configuration, selectively chooses the appropriate functions were realized, but there will inevitably be incompatible algorithm performs slow issue. Most of these problems are solved by changing operating environment. Finally, summarize the main contents of the three algorithms and tied for comparison, user-friendly choice. Keywords: MSRF; MSR; MSD; algorithm performance; ESS 目录 摘要 ii Abstract. iii 目录 iv 1 绪论 1 1.1 课题的目的和意义 1 1.2 国内外研究现状与水平 1 1.3 发展趋势 2 1.4 本论文结构 3 2 显著区域检测算法介绍 4 2.1 固定显著性的最小矩形方法(MRFS) 4 2.2 最大显著区域方法（MSR） 4 2.3 最大显著密度方法（MSD） 4 2.4 高效子窗口定位ESS算法（Efficient sub-window search） 5 3 系统设计与实现 11 3.1 登录界面 15 3.2 程序主界面 17 3.3 程序演算界面 20 3.4 算法实现 23 3.5 算法性能分析 27 总结与展望 30 致谢 31 参考文献 32 1 绪论 1.1 课题的目的和意义 随着互联网和信息技术的迅猛发展，图像已经成为人们获取和传播信息最主要的载体之一，人们通过互联网等多种途径可以轻松地获取到各个方面的图像信息。为了从数量众多的图像数据中找到真正感兴趣或者说是对人们自己有用的信息，人们希望利用计算机完成对图像内容的分析、检索、识别等繁重的视觉任务。这些需求对图像处理与模式识别的理论方法和技术提出了更高的要求和挑战。图像处理是利用计算机对图像进行分析、加工和处理，使其能够满足视觉、心理以及其他要求的方法和技术，计算机通过借助模式识别手段，最终实现对图像所包含内容的理解。在过去二十多年间，相关领域的研究取得了很大进展。但是，随着数字媒体（指图像和视频等）数据的日益增长，传统的处理方法和技术已经不能使最先进的计算机系统完全具备处理和分析这些海量、庞大的数据的能力。 (责任编辑：qin) |