多幅图像协同显著性检测-计算机科学与技术专业论文.docxVIP

承诺书 本人声明所呈交的硕士学位论文是本人在导师指导下进 行的研究工作及取得的研究成果。除了文中特别加以标注和致 谢的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得南京航空航天大学或其他教育机构的学位 或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （必威体育官网网址的学位论文在解密后适用本承诺书） 作者签名： 日 期： 南京航空航天大学硕士学位论文 南京航空航天大学硕士学位论文 多幅图像协同显著性检测 多幅图像协同显著性检测 i i PAGE PAGE iv 摘 要 近年来，显著性检测已经在国内外相关领域研究中得到了广泛关注，并取得了许多成果， 但是已有的研究往往注重单幅图像与单视频的处理。伴随互联网等技术的飞速发展，从多幅图 像或多视频中，寻找相同或相似的显著性目标的协同显著性检测技术已逐渐成为一种新的应用 需求。目前，在多幅图像协同显著性检测相关的协同分割、协同定位、目标检测等应用领域已 有了较广泛深入的研究，并引起了广泛关注。相比单幅图像显著性检测而言，多幅图像协同显 著性检测亟需解决的关键问题是如何快速有效地检测出多幅图像中的协同显著性目标。 为了建立一种快速有效的多幅图像协同显著性检测方法，本文提出了基于图像分块与截断 幂的特征提取的预处理方法以及基于 K-Means 与自适应协同显著图生成的协同显著性检测方 法。首先，采用一种基于图像分块与截断幂的特征提取方法对输入图像进行特征提取，实现在 最大程度保留原图像特征的同时有效减少特征点的数量与特征的个数。然后，使用 K-Means 聚 类算法对提取的稀疏特征进行聚类，同时计算出三种基于聚类的显著性特征值并生成相应的特 征显著图。并且进一步提出基于图像内容的自适应权值协同显著图生成方法以提高协同显著性 检测的效果。通过在两个标准数据集上进行仿真实验并与已有典型多幅图像协同显著性检测方 法相比较可知，本文方法在提高检测精度的同时，可大幅提升多幅图像协同显著性检测的处理 效率。最后，将上述方法应用到具有噪声图像的多幅图像协同定位中，通过多幅图像协同显著 性检测来过滤噪声图像以降低具有噪声图像的协同定位方法的复杂性，并在 Visual Studio 平台 下结合 OpenCV 库实现了基于协同显著性检测的具有噪声图像的协同定位系统。 关键词：协同显著性，截断幂，特征提取，K-Means，自适应权值，协同定位 ABSTRACT In recent years, saliency detection has drawn much attention at home and abroad, and many achievements have been made in this field. But current researchs are mostly about processing a single image or a single video. Nowadays, with the rapid development of Internet technology, co-saliency detection which searching for the same or similar saliency objects from multiple images or videos has become a new requirement. Researchers have done comparatively far-ranging research on co-segmentation, co-localization and object detection at present. Compared with single image saliency detection, in multiple images co-saliency detection, a key question is how to quickly and effectively detect the co-saliency object. In order to achieve a fast and effective multiple images co-saliency detection method, this paper proposes a preprocessing method based on image block and TPower’s feature extraction and proposes a co-saliency