基于結(jié)構(gòu)化學習的顯著性區(qū)域檢測研究.pdf_第1頁
已閱讀1頁，還剩52頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：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，請進行舉報或認領

文檔簡介

1、ADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterinEngineeringResearchonSalientRegionDetectionBasedonStructuredLearningMasterCandidate：ChengLiMajor：Supervisor：CircuitsandSystemsProfWuJinWuha

2、nUniversityofScienceandTechnologyWuhan，Hubei430081，PRChinaMay18th，2016摘要顯著性區(qū)域檢測能夠模擬人類視覺系統(tǒng)，快速地檢測出圖像中的顯著性區(qū)域，提高圖像處理的效率，在目標識別、圖像壓縮與編碼、圖像檢索、場景分析等計算機視覺領域有著廣泛的應用。本文首先分析了顯著性區(qū)域檢測的研究背景與該領域的研究現(xiàn)狀，介紹了視覺注意機制的基本概念、視覺注意的兩種模型以及視覺注意建模的理論基

3、礎。其次從決策樹、節(jié)點分裂規(guī)則以及隨機森林的構(gòu)造這三方面介紹隨機森林方法，并列舉了隨機森林的若干優(yōu)點。隨后重點介紹了基于Bootstrap學習、基于上下文超圖建模、基于高維顏色變換這三種基于監(jiān)督學習的顯著性檢測方法。然后提出了一種基于結(jié)構(gòu)化學習的顯著性區(qū)域檢測算法，將結(jié)構(gòu)化學習的方法應用到顯著性檢測中。本文算法首先從含有標記的圖像中隨機采集固定大小的矩形區(qū)域，并記錄其結(jié)構(gòu)標簽；然后使用含結(jié)構(gòu)標簽的區(qū)域特征構(gòu)建結(jié)構(gòu)森林預測模型；最后采用監(jiān)

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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論