数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2014年
5期
801-808
,共8页
视觉显著性%主成分分析%特征提取%显著图
視覺顯著性%主成分分析%特徵提取%顯著圖
시각현저성%주성분분석%특정제취%현저도
vision saliency%principle component analysis (PCA)%feature extraction%saliency map
显著性提取方法在图像处理、计算机视觉领域有着广泛的应用.然而,基于全局特征和基于局部特征的显著性区域提取算法存在各自的缺点,为此本文提出了一种融合全局和局部特征的显著性提取算法.首先,对图像进行不重叠地分块,当每个图像块经过主成分分析(Principle component analysis,PCA)映射到高维空间后,根据孤立的特征点对应显著性区域的规律得到基于全局特征的显著图;其次,根据邻域内中心块与其他块的颜色不相似性得到基于局部特征的显著图;最后,按照贝叶斯理论将这两个显著图融合为最终的显著图.在公认的三个图像数据库上的仿真实验验证了所提算法在显著性提取和目标分割上比其他先进算法更有效.
顯著性提取方法在圖像處理、計算機視覺領域有著廣汎的應用.然而,基于全跼特徵和基于跼部特徵的顯著性區域提取算法存在各自的缺點,為此本文提齣瞭一種融閤全跼和跼部特徵的顯著性提取算法.首先,對圖像進行不重疊地分塊,噹每箇圖像塊經過主成分分析(Principle component analysis,PCA)映射到高維空間後,根據孤立的特徵點對應顯著性區域的規律得到基于全跼特徵的顯著圖;其次,根據鄰域內中心塊與其他塊的顏色不相似性得到基于跼部特徵的顯著圖;最後,按照貝葉斯理論將這兩箇顯著圖融閤為最終的顯著圖.在公認的三箇圖像數據庫上的倣真實驗驗證瞭所提算法在顯著性提取和目標分割上比其他先進算法更有效.
현저성제취방법재도상처리、계산궤시각영역유착엄범적응용.연이,기우전국특정화기우국부특정적현저성구역제취산법존재각자적결점,위차본문제출료일충융합전국화국부특정적현저성제취산법.수선,대도상진행불중첩지분괴,당매개도상괴경과주성분분석(Principle component analysis,PCA)영사도고유공간후,근거고립적특정점대응현저성구역적규률득도기우전국특정적현저도;기차,근거린역내중심괴여기타괴적안색불상사성득도기우국부특정적현저도;최후,안조패협사이론장저량개현저도융합위최종적현저도.재공인적삼개도상수거고상적방진실험험증료소제산법재현저성제취화목표분할상비기타선진산법경유효.
