基于物体分割的高维特征排序的显著种子选择-电子与通信工程专业论文.docxVIP

研究生优秀毕业论文 大连理工大学专业学位硕士学位论文摘 大连理工大学专业学位硕士学位论文 摘 要 通用物体检测算法近来受到了广泛的关注并取得了显著的进步。不断被刷新的检测 率曲线使得这类算法在图像显著性检测领域引起了极大的兴趣。但如何在众多的候选物 体分割中准确而完整地寻找到显著目标仍旧是一个难题。 在这篇论文中，我们提出了一个用于解决这一问题的算法：基于物体分割的高维特 征排序的显著种子选择算法。对于一幅图片，首先通过一个现有算法产生一个候选物体 分割集；然后，分别对每个分割提取区域及像素层级的特征，并将它们连接起来组成一 个高维特征向量；接着，将该特征向量输入到通过学习得到的Ranking SVM模型中， 获得一个相应的预测排序值；最后，将排在前K个的物体分割进行加权融合，得到最终 的显著种子图。 在本领域公认并具有挑战性的图像库ECSSD及PASCAI．,-S上的实验结果表明，本 文提出的算法与当前经典及先进算法相比，极具竞争性并具有一定优势。同时，可将通 过本算法得到的种子图作为基于传播扩散的算法的先验图，则会得到效果进一步提升的 显著图。 关键词：通用物体检测；排序支持向量机；基于学习的框架；种子图 万方数据 基于物体分割的高维特征排序的显著种子选择Salient 基于物体分割的高维特征排序的显著种子选择 Salient Seeds Selection Based o