2。显著性对象更容易从周围环绕背景中脱颖而出。显著性对象的周围环境应该首先被全 局考虑,因为目标对象的内部往往会趋向于呈现扁平化的状态。但其余的部分对象也有可能 是突出的。这项推测会比深度先验这项方法更有效率,因为它倾向于利用相关深度而不是绝 对深度来作为图像架构的基本判断标准,这方面的优势能够从立体和人类眼注视数据集[13,14] 之中看出。

3。中心区域比外围区域更加显著。因为人眼有中心显著性倾向,在之前的也有提到过。

4。显著性的计算应该对如[1]中所述的,拥有更高级的视觉处理任务能力,完成任务时更有 效率。

以上就是基于各向异性的中心环绕差的显著性检测方法的设计原则。以下是算法流程: 首先,获取到目标图像的深度图像,并定义图像中点的显著性等于该点相对于周围环境的突 出性,然后使用各向异性的的中心环绕差算法对每个像素点及其周围环境进行计算,并将得 到的显著性得分赋给每个图像的点并输出显著图像。除此之外,本文使用深度先验和中心先 验来对原始图像进行过滤计算。为了该项方法的效率和稳健性,本文选择在超像素分割后对

每个图像块进行显著性探测。通过计算该项方法的复杂度为 O(N) , N 是图像像素的数目。

1。4 本文的安排

第 1 章,介绍了本课题的研究背景和意义,说明了基于深度线索的显著性检测方法的意义和 重要性。除此之外本文还主要介绍了学界的主流研究方向,包括了几种经典的研究方法,之 后也简要叙述了本文的研究内容。来`自+优-尔^论:文,网www.youerw.com +QQ752018766-

第 2 章,详细地描述了从深度的获取方法,各向异性的中心环绕差算法,在显著性计算以及 优化的主要两种算法。

第 3 章,详细介绍了实验分析。从数据集的内容以及设定,又将算法的复杂度进行了分析进 行了。随后本文对算法的结果进行了讨论并点出了算法的问题与局限性。

上一篇:HHblits高精度二硫键网络预测及其应用
下一篇:Android智能手机移动支付保护系统验证短信保护系统设计

基于Apriori算法的电影推荐

基于PageRank算法的网络数据分析

基于神经网络的验证码识别算法

基于网络的通用试题库系...

python基于决策树算法的球赛预测

基于消费者个性特征的化...

基于网络的通用试题库系统的整体规划与设计

张洁小说《无字》中的女性意识

网络语言“XX体”研究

ASP.net+sqlserver企业设备管理系统设计与开发

我国风险投资的发展现状问题及对策分析

麦秸秆还田和沼液灌溉对...

互联网教育”变革路径研究进展【7972字】

LiMn1-xFexPO4正极材料合成及充放电性能研究

老年2型糖尿病患者运动疗...

安康汉江网讯

新課改下小學语文洧效阅...