计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2012年
8期
2288-2290
,共3页
视觉显著性%视觉显著性图%贝叶斯理论%线性模型%神经网络
視覺顯著性%視覺顯著性圖%貝葉斯理論%線性模型%神經網絡
시각현저성%시각현저성도%패협사이론%선성모형%신경망락
图像处理技术依赖于高质量的视觉显著图才能获得较好的处理结果,现有的视觉显著性检测方法通常只能检测得到粗糙的视觉显著性属性图,严重影响了图像处理的最终效果.为此,提出一种采用贝叶斯理论和统计学习的视觉显著性检测方法来检测图像的视觉显著性属性.该方法基于贝叶斯理论的静态图像的自上而下的显著性和整体显著性,将自上而下的知识和由下向上的显著性进行结合；针对特征整合问题,利用线性模型的加权线性组合方法和正规化神经网络相结合的非线性加权方法来研究与所有因素相关的权值参数.根据自下而上的视觉显著性模型在两个标准数据集中采用ROC曲线来进行定量评价,结果表明非线性组合效果优于线性组合.
圖像處理技術依賴于高質量的視覺顯著圖纔能穫得較好的處理結果,現有的視覺顯著性檢測方法通常隻能檢測得到粗糙的視覺顯著性屬性圖,嚴重影響瞭圖像處理的最終效果.為此,提齣一種採用貝葉斯理論和統計學習的視覺顯著性檢測方法來檢測圖像的視覺顯著性屬性.該方法基于貝葉斯理論的靜態圖像的自上而下的顯著性和整體顯著性,將自上而下的知識和由下嚮上的顯著性進行結閤；針對特徵整閤問題,利用線性模型的加權線性組閤方法和正規化神經網絡相結閤的非線性加權方法來研究與所有因素相關的權值參數.根據自下而上的視覺顯著性模型在兩箇標準數據集中採用ROC麯線來進行定量評價,結果錶明非線性組閤效果優于線性組閤.
도상처리기술의뢰우고질량적시각현저도재능획득교호적처리결과,현유적시각현저성검측방법통상지능검측득도조조적시각현저성속성도,엄중영향료도상처리적최종효과.위차,제출일충채용패협사이론화통계학습적시각현저성검측방법래검측도상적시각현저성속성.해방법기우패협사이론적정태도상적자상이하적현저성화정체현저성,장자상이하적지식화유하향상적현저성진행결합；침대특정정합문제,이용선성모형적가권선성조합방법화정규화신경망락상결합적비선성가권방법래연구여소유인소상관적권치삼수.근거자하이상적시각현저성모형재량개표준수거집중채용ROC곡선래진행정량평개,결과표명비선성조합효과우우선성조합.
