感知對象的分割方法研究.pdf

1、隨著數(shù)字圖像數(shù)量的飛速增長，各行各業(yè)對數(shù)字圖像處理技術的需求也日趨增加。而隨著數(shù)字圖像技術的發(fā)展，由傳統(tǒng)的基于圖像底層特征的圖像處理技術與圖像高層語義之間的鴻溝所造成的圖像理解的誤差也越發(fā)明顯，為了更好的理解圖像中的內容，本文重點研究了圖像中感知對象的分割算法。
　　有相關研究表明，人們在觀察圖像的時候，通過對圖像的短暫觀察和理解之后，往往只關注圖像中的某個或多個物體，這樣的物體往往代表了圖像需要傳達的大部分信息，在很多的圖像應用

2、中只關注此類物體可以顯著地提高圖像處理的效率以及準確性，這樣的物體在本文中我們稱之為感知對象。
　　本課題的主要研究內容就是如何從一幅未給出任何先驗信息的圖像中檢測出感知對象，并且同時分割出感知對象的具體形狀。本文根據(jù)兩種完全不同的思路，分別提出了無監(jiān)督和有監(jiān)督的感知對象分割算法。
　　本文的主要工作及創(chuàng)新點如下：
　　1.首先對圖像中感知對象這一概念進行了介紹，對感知對象分割方法的研究意義和課題背景進行了闡述，然后對

3、與本課題相關的算法進了分類介紹。
　　2.研究了基于顯著圖融合的感知對象分割算法。該算法首先根據(jù)一幅輸入圖像計算出三種不同的顯著圖：對比度顯著圖、顏色分布顯著圖以及頻譜殘差顯著圖。然后利用圖像分割算法對輸入圖像進行過分割處理，再結合得到的顯著圖計算出每一塊過分割區(qū)域的區(qū)域感知度，最后通過對區(qū)域感知度進行閾值處理分割出圖像中的感知對象。
　　3.研究了基于學習的感知對象分割算法。該算法采用了潛在狄利克雷分布對文檔進行建模的思想