需要金币:2000 个金币 | 资料包括:完整论文 | ||
转换比率:金额 X 10=金币数量, 例100元=1000金币 | 论文字数:7882 | ||
折扣与优惠:团购最低可5折优惠 - 了解详情 | 论文格式:Word格式(*.doc) |
摘要:人类接收信息的渠道多种多样,其中重要的一种就是通过视觉接收信息,然后将收到的信息进行整合与进一步的处理,让我们更好的感知世界。在视觉显著性分析范畴之内,存在一种图像的显著性区域检测,它把视觉注意机制很好地接入到计算机对于图像的处理中,通过筛选出人眼观察中所认为的显著区域,在减少计算机数据处理量,做出了突出的贡献。 而现在能够实现图像显著性分析的算法主要分为两类:第一类是以低级视觉信息为基础,自底向上,由数据驱动的注意模型;第二类是以于高层视觉信息为主导,进行自顶向下的,由知识驱动的注意模型。本文主要研究的是一种基于频域的显著性检测模型—SR算法(剩余谱算法)。那么如何将图像显著区域精确地提取出来?该算法认为图像中的信息分为两部分:显著信息和冗余信息,利用此算法把原始图像进行缩小,并变换到频域上,并对所得到的Log幅度谱采取均值滤波处理,然后对幅度谱作运算,即将其与滤波前的Log幅度谱进行差值计算,将残余谱经过傅里叶反变换进一步得到时域的显著图,以此达到抑制大量图像中所共有的冗余信息的目的。文章的最后给出了本模型的实验仿真结果,通过这些结果来检验该模型的性能。
关键词:视觉信息;显著性区域检测;计算机数据处理;显著性分析;SR算法
目录 摘要 Abstract 1绪论-1 1.1论文的研究背景与意义-1 1.2 国内外研究现状-2 2 算法模型介绍-4 2.1研究现状-4 2.2Itti模型-4 2.3 Stontiford模型-7 2.4 HOAM模型-8 3 剩余谱方法(SR算法)-10 4 算法与仿真结果-12 4.1算法设计流程-12 4.2仿真过程-12 总 结-18 参 考 文 献-19 致 谢-21 |