【摘 要】
:
近几年,对象提取成为计算机视觉领域一个重要的研究方向,为准确估计出图像中的对象或部分,对象检测、对象识别等各种操作方法层出不穷。如今多数方法一般是在单幅图像中针对
论文部分内容阅读
近几年,对象提取成为计算机视觉领域一个重要的研究方向,为准确估计出图像中的对象或部分,对象检测、对象识别等各种操作方法层出不穷。如今多数方法一般是在单幅图像中针对一个或多个不同的对象进行操作,而当给定一批主题相关的图像时,通常的对象提取方法很难实现多图像中相同对象的估计。因此,联合对象的提取技术便应运而生,但目前关于这方面的研究很少。本文提出了一种基于代表性块的联合对象提取方法,其目的是判别出两幅相关图像中相同的对象部分。所谓对象是指图像中的显著区域,即人视觉感知的主要部分。对象的显著性特征可从颜色、纹理、形状、空间关系、统计特征等五个方面进行描述,而根据单一特征所提取的图像效果在时间复杂度和空间分辨率等方面存在明显的局限性和差异性,所以仅利用一种图像特征难以满足实际需求。为了得到一个清晰、准确的对象提取效果图,可将不同图像特征的各自优势和互补性加以综合利用。本文的主要研究过程是针对给定的两幅图像,首先使用朴素贝叶斯法训练生成一个贝叶斯分类器,同时利用多尺度显著性、颜色对比、边缘密度、超像素跨界等多种显著特征提取出若干包含对象的窗口;然后通过线性SVM及相关聚类方法训练代表性块,具体是利用一个迭代程序在聚类和判别式训练分类器之间进行交替直至收敛,经多次迭代后会得到一系列块集群;再对目标进行空间上的定位,借助图像匹配算法计算每对代表性块的相似度,筛选出若干个权值较高的代表性块;最后根据块和对象窗口的空间位置关系,将与每个对象窗口相交或包含在窗口内的代表性块进行权值叠加,对多次剔除或合并后保留的部分窗口按权值大小进行排序,此时得到权值累加和最大的一组窗口,这对窗口便精确地包含两幅图像中相似的对象。实验结果表明本文方法有效地实现了联合对象的估计。
其他文献
命名数据网络(NDN)是一种以内容为中心的新型网络架构,主要根据数据名字对数据进行路由和转发,解决了用户对网络中海量、异质信息高效访问的需求,同时规避了TCP/IP网络在安全性
近年来,不确定性作业车间调度问题引起了研究者的广泛关注。不确定因素的引入大大增加了对生产调度问题的分析和建模的难度。但是,同时对不确定条件下的作业车间调度问题的研
随着互联网技术和浏览器技术的快速发展,越来越多的桌面应用成功地转向了浏览器平台,但浏览器基于HTTP协议的特性,使得客户端和服务器端难以维持持久连接的状态。服务器推送
灾难现场危险的工作环境给人员搜救带来了极大的困难。随着计算机技术的发展,机器人技术得到了广泛的应用,如何将机器人应用于灾难现场的人员搜救工作是一个有重要研究意义的
无线传感器网络(Wireless Sensor Network, WSN)中的关键问题就是传感器节点能量的有限性,节能高效地使用节点能量是WSN面临的一大挑战。本文研究WSN中传感器节点能量高效控
车牌识别是智能交通系统中最关键的研究课题,有着广泛的应用前景,如交通道路监控、高速公路自动收费、停车场管理等。随着经济社会发展,机动车辆日益增加,对车辆进行安全管理
以往的生产调度一般是将产品按工件分解,加工和装配分别处理,但这些生产作业调度的算法主要适用于大批量相同产品的生产。当生产产品属于多品种小批量,特别是具有树状结构的单件产品时,将加工与装配分别处理,必然影响产品加工与装配内在的可并行处理关系,影响调度效果。因此本文研究的复杂产品加工和装配综合调度优化具有重要的理论和实际意义。表面上产品工艺树中最长路径上工序的加工时间和是产品完工时间的下界,事实上由于
机器翻译(Machine Translation,MT)是指用计算机自动地将一种源自然语言,翻译成用户需要的目标自然语言,在本课题中即是将蒙古语翻译成为汉语。机器翻译作为自然语言信息处理
电子化量身定制服装eMTM (Electronic Made to Measure)是21世纪新兴的一种服装生产方式,它利用现代三维人体扫描技术、计算机技术和网络技术将eMTM系统中三维虚拟人台生成、
数据挖掘是近年来热门的计算机应用技术,聚类是数据挖掘中重要的研究分支。聚类技术是将未分类的样本,通过其相似度进行分类,使得类簇内部样本间相似度最大,而不同类簇间相似