检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 学位论文

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 机械工程

主题

1 篇 视觉注意模型
1 篇 图像分割
1 篇 主成份分析
1 篇 距离正则化活动轮...
1 篇 神经网络
1 篇 相位谱

机构

1 篇 中国科学院研究生...

作者

1 篇 沈凌云

语言

1 篇 中文

检索条件"主题词=距离正则化活动轮廓模型"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于视觉注意机制的图像分割方法研究

基于视觉注意机制的图像分割方法研究

引用

作者：沈凌云中国科学院研究生院(长春光学精密机械与物理研究所)

学位级别：博士

在图像中自动寻找感兴趣的目标在很多领域有广泛的应用,例如图像压缩、图像检索、图像缩放、图像分割等。在图像中寻找感兴趣目标的方法目前分为两类：一种方法是无需先验知识的,这类方法独立于任务,从背景中捕获人类注意的突出区域,即... 详细信息

在图像中自动寻找感兴趣的目标在很多领域有广泛的应用,例如图像压缩、图像检索、图像缩放、图像分割等。在图像中寻找感兴趣目标的方法目前分为两类：一种方法是无需先验知识的,这类方法独立于任务,从背景中捕获人类注意的突出区域,即显著区域；另一种方法是任务驱动的,即寻找具体的目标,这类方法常常需要从已有的目标提取特征训练学习,然后再用于识别目标。论文围绕解决目标检测分割及目标识别的视觉显著性模型的相关技术进行了深入的研究,下面介绍论文的主要研究内容：现有的视觉注意显著模型针对不同的数据集采用不同的评价指标体系,存在性能有失公平性的问题,提出了统一的视觉显著模型评价体系。根据现有数据集及评价指标的特点,选取人工合成数据集、HOU-62数据集、Bruce和Tsotsos-120数据集和Achanta-1000数据集及5个评价指标：查准率（Precision）、查全率（Recall）、F-measure、平均曲线下的面积（Areas Under Average ROC Curves,AUC）、线性相关系数（Linear Correlation Coefficient,LCC）构成统一的评价体系。实验证明,这种在同一标准下的对比更具公平性,更能区分各种不同视觉显著模型的显著效果。通过分析现有的视觉注意显著模型的基本算法,针对所得的显著图在低频部分显著能力较弱的问题,提出了一种基于离散余弦变换（Discrete Cosine Transform, DCT）相位谱的视觉显著注意模型,该模型在Lab颜色空间里对颜色和亮度特征进行了多尺度表示,并结合数学形态学的阂值分割方法对获得的全局显著图进行分割,从实验结果评价指标的分数上看,该模型明显优于现有的其他模型。实验结果表明,将该方法应用于基于内容的图像缩放技术中,缩放后的图像能较好的保护显著目标,背景没有明显的变形失真,同时保持了全局的和局部的图像特征。通过图像缩放技术应用的效果比较,基于离散余弦变换相位谱的视觉显著注意模型显著优于剩余谱（Spectral Residual, SR）模型。通过分析评价指标中查准率总是高于查全率的特点,说明阈值分割法虽然能准确找到注意焦点,但是对目标边界的定位能力弱。提出了一种改进的基于视觉注意机制的距离正则化水平集方法（Distance Regularized Level Set Evolution, DRLSE）。该方法首先采用改进的适合眼动实验的ITTI模型确定注意焦点,再确定初始轮廓曲线位置及演化方向,最终演化至目标物体边界实现目标分割,能够检测单个或多个目标物体的边界,定位准确,抗噪能力较强,同时对具有弱边界的图像也具有较好的分割效果。从实验结果的平均误差参数对比可知,该方法明显优于距离正则化水平集方法和自适应ChanVese （Adaptive ChanVese, ACV）方法。根据人类视觉注意机制具有稀疏性的特点,提出了基于主成份分析（Principal Component Analysis, PCA）理论的视觉注意模型,即利用主成份分析理论对分块图像提取颜色特征、空间特征,加权获得全局显著图。从实验结果中的评价分数上来看,基于主成份分析理论的视觉注意模型同样优于现有的其他模型。以工业领域的太阳能电池表面缺陷检测为应用实例,将主成分分析理论融合径向基神经网络（RBFNN）对已有目标提取特征训练学习,然后再用于识别目标。实验结果表明,与其他三种基于任务驱动的目标识别方法(模糊C均值聚类法（FCM）、独立成分分析（ICA）、反向传播神经网络（PCA-BPNN）)相比,具有较高的识别率和较短的计算时间。

关键词：图像分割视觉注意模型相位谱距离正则化活动轮廓模型主成份分析神经网络

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：