基于圖的半監督學習與排序模型的視覺顯著目標計算機檢測分析

來源: www.0887184.live 作者:vicky 發布時間:2020-02-10 論文字數:52145字
論文編號: sb2020012622024729291 論文語言:中文 論文類型:碩士畢業論文
本文是一篇計算機論文,本文主要研究內容有:基于全局和局部一致性排序模型的顯著目標檢測、基于先驗正則化圖排序的顯著目標檢測方法和基于先驗正則化多層圖排序的顯著目標檢測方法、
本文是一篇計算機論文,本文主要研究內容有:基于全局和局部一致性排序模型的顯著目標檢測、基于先驗正則化圖排序的顯著目標檢測方法和基于先驗正則化多層圖排序的顯著目標檢測方法、基于多尺度協同正則化排序的顯著目標檢測方法和基于圖的多視角半監督學習的顯著目標檢測方法。

第一章緒論

1.1視覺顯著目標檢測的研究背景和意義
近些年,伴隨著人類的發展、科技的進步,網絡世界和人們實際生活中的數據量成爆發式的增長,這些海量數據包含了大量的圖片、視頻、語音和文本信息等,這些數據的大小、形態、質量各不相同,計算資源有限,如何從這些海量數據中提取有用的信息并進行有效的應用給人們帶來了巨大的挑戰。
首先,人們研究人類視覺系統是如何理解世界的呢?大量的生物學、認知心理學、神經科學的研究者們對人類感知過程和大腦對信息的處理進行深入的研究得出:人類視覺系統只關注特定的、感興趣的區域并對該區域進行詳細的處理,對其它部分視而不見,這稱為人類視覺注意機制。這是人類在復雜世界中能夠高效感知的重要機制之一,這個特定的、感興趣的區域被稱為注意區域。受到人類和靈長類生物視覺注意機制的啟發,研究者們為使得計算機具有類似的視覺感知能力和視覺注意機制,把使用計算機模擬人類視覺系統選擇引起視覺注意的注意區域的過程定義為視覺顯著性檢測。視覺顯著性檢測又可以粗略的分為人眼關注點檢測和顯著目標檢測兩大類別:人眼關注點檢測主要是跟蹤人眼的關注點的變化;顯著目標檢測主要是為了準確地檢測出突出的目標在什么位置,這可為許多后續更高級的視覺任務提供幫助。本文關注顯著目標檢測研究,這已經成為計算機視覺研究領域的一個重要分支,這為解決這類視覺問題提供了有效的途徑。
........................

1.2半監督學習方法
隨著信息技術的發展,數據大量存在,如果對數據進行大規模的標記,耗時耗力。傳統的機器學習技術一般只用有標記的樣本進行有監督的學習或者利用無標記的樣本進行無監督的學習,而在實際情況下,很多數據是有標記樣本和無標記的樣本并存,為了更好的利用這些數據,半監督學習技術應運而生。利用少量的標記數據,利用大量的未標記數據的自身特性,輔助提高學習的預測性能,這是半監督學習的核心內容。半監督學習除利用一部分有標簽的數據信息外,還需要充分利用無標簽數據自身可能存在的特性,發揮無標簽數據對學習模型的促進作用,如何利用這大量的未標記樣本來提高學習性能是半監督學習的重點關注問題之一。自我學習可以看作是半監督學習的雛形,早在19世紀60年代開始就提出自我學習的訓練,將初始分類器用于無標簽樣本,再把預測的樣本加入繼續訓練,不斷迭代,充分利用了無標簽樣本的信息。
圖1.1輸入圖像及其顯著目標
........................

第二章視覺顯著目標檢測的研究現狀

2.1引言
在視覺顯著目標檢測研究中,首先介紹視覺注意,視覺注意是人類視覺系統識別場景相關部分的一種重要機制。人類視覺系統在面對復雜的自然場景時,具有能夠快速定位并選擇感興趣目標的能力,這就是人類的視覺注意機制。在對自然界的視覺信息處理中,大腦和視覺系統協同工作以識別相關區域或目標,這些區域即是圖像中的顯著目標。顯著目標檢測研究是利用計算機模擬人類視覺系統,定位到“感興趣”區域或自動裁剪圖像中的“重要”區域。顯著目標檢測研究可用作多個研究方向的預處理過程,如目標識別算法可以利用顯著性檢測的結果,定位目標的位置;圖像檢索中可以利用顯著目標檢測結果減少雜亂背景的影響等。
圖像顯著目標檢測是指利用計算機模擬人類視覺系統,檢測出圖像中顯著的區域或目標。它起源于神經生物學和認知心理學等交叉學科的發展,后在計算機視覺研究領域得到了深入的發展。1985年Koch等人提出一個神經生物學模型,該論文中提到選擇性視覺注意力的轉移問題,這奠定了顯著目標檢測研究的理論基礎。Itti等人在1998年提出了第一個應用到真實場景的圖像視覺顯著目標檢測模型稱為Itti模型。隨著Itti模型的建立,作為計算機視覺的研究熱點,視覺顯著目標檢測研宄得到越來越多的學者進行研究。
..........................

2.2顯著目標檢測方法的分類
近些年來,一些高性能的顯著目標檢測方法相繼被提出來。大致可以分為基于頻域的計算方法,基于對比度的計算方法,基于稀疏理論的方法,基于圖模型的方法和基于深度學習的方法,下面對各個分類的方法進行簡單的介紹。
2.2.1基于頻域的計算方法
基于頻域的計算方法,2007年侯曉迪提出的頻域殘差法來計算顯著圖,該文重點關注圖像中不顯著的部分,認為圖片中的顯著性區域和其它的部分有著不同的特征分布,.因此想辦法突出顯著部分,抑制不顯著的部分。文章通過分析周期信號的頻譜圖,證明了圖像中的不顯著部分對應幅度譜中的尖峰所對應的圖像中的重復部分,并且頻譜圖中循環部分越多,幅度譜的尖峰值越大,用低通濾波器平滑幅度譜發現,原始圖像的幅度譜峰值越大,平滑后峰值降低的越多。最后,使用光譜濾波抑制重復部分,在頻域中,使用幅度譜與高斯核函數卷積,等價于圖像顯著性檢測器。在此基礎上,復旦大學Guo等人也提出相位譜方法等。
表2.2預測的樣本和實際的樣本之間的關系表
..........................

第三章基于全局和局部一致性排序模型的顯著目標檢測...................14
3.1引言...................14
3.2相關工作..................14
第四章基則化圖排序的顯著目標檢測......................29
4.1引言......................29
4.2相關工作.......................30
第五章基于多同正則化排序的顯著目標檢測.................51
5.1引言................51
5.2多尺度協同正則化排序模型.................51

第六章基于圖的多視角半監督學習的顯著標檢測

6.1引言
同一個研究對象獲得多個不同的視角進行描述,這多個描述就是該研究對象的多個視角,稱為多視角數據。與單一視角數據相比,多視角能夠更全面系統的獲取數據本質信息。多視角學習被廣泛提出用來深入了解和分析多視角數據。在視覺顯著目標檢測研究中,同一張圖像可以分別使用顏色、紋理、形狀等多種不同的特征來描述,從而獲得多視角特征數據。為捕獲不同視覺特征信息以獲得更準確的顯著物體,本章提出一種基于多視角半監督學習的顯著性優化方法。首先對現有的基于圖的顯著性方法進行總結歸類,提出一個通用的基于圖的顯著性優化框架。然后,將單一圖模型擴展到多視角情況,提出了基于圖的多視角半監督學習的顯著目標檢測方法。最后,給出了一般模型的一個具體實現,并推導出求解該模型的有效更新算法。在多個基準數據集上的實驗結果表明了該模型的有效性。
..............................

第七章總結與展望

7.1文總結
隨著科學技術的發展,利用計算機模擬人類的視覺處理機制,即計算機視覺研究技術越來越成熟。人眼能夠快速獲取場景中顯著目標,過濾掉多余信息,使得人們能夠更集中注意力去觀察和處理有效信息。經過幾十年的發展,視覺顯著目標檢測日趨成熟,基于圖的半監督學習方法作為有效的機器學習方法,該類方法不需要經過大類的訓練,通過少量有標簽節點,充分利用圖中無標簽節點自身特性,幫助學習從而優化結果。本文提出全局和局部一致性排序的顯著目標檢測模型、基于先驗正則化圖排序的顯著目標檢測方法和先驗正則化多層圖排序的顯著目標檢測方法、多尺度協同正則化排序的顯著目標檢測模型和基于多視角半監督學習的顯著目標檢測模型等。
本文的主要研究內容和創新點如下:
1.本文對傳統的基于隨機游走理論的顯著性區域檢測方法進行研究,提出一種基于全局和局部一致性排序模型,并將之應用于顯著目標檢測。首先建立馬爾科夫鏈上的隨機游走模型,計算轉移節點到吸收節點的吸收時間,捕獲全局信息,利用流形模型獲得局部信息,將此兩種信息應用于全局與局部一致性排序模型,分別使用背景信息、前景信息作為查詢節點分兩步獲得最終的顯著性值。實驗結果表明,該方法可以有效獲得圖像的結構信息,獲得更準確的顯著圖,提高了顯著性檢測的精確度和準確度。
2.通過對傳統的基于流形排序的顯著目標檢測方法進行研究并充分利用先驗信息,提出一種基于先驗正則化圖排序的顯著目標檢測方法和基于先驗正則化多層圖排序的顯著目標檢測方法。圖像顯著目標檢測的任務是獲得圖像每個像素點的顯著值,因此,可以將顯著目標檢測問題看作是一個圖上的節點的排序問題來進行優化求解。在很多基于排序的顯著目標檢測方法中,將圖像每個像素點的顯著值歸一化到[0,1]區間的某個值,越大越顯著,越小越不顯著。
參考文獻(略)

原文地址:http://www.0887184.livehttp://www.0887184.live/jsjlw/29291.html,如有轉載請標明出處,謝謝。

您可能在尋找計算機論文方面的范文,您可以移步到計算機論文頻道(http://www.0887184.livehttp://www.0887184.live/jsjlw/)查找


上一篇:基于規則的數據分析與可視化計算機系統設計與實現分析
下一篇:沒有了
百人牛牛游戏规则 黑龙江省快乐十分开奖 悟空理财2018跑路了吗 快乐双彩走势图 sizzler时时乐 安徽快3开奖 黑龙江十一选五定牛 上海快3和值走势图今天 五粮液股票行情走势图 吉林快三真准网走势图 股票的权重