基于重建误差排序的显著性检测-计算数学专业论文.docxVIP

硕士学位论文基于重建误差排序的显著性检测 硕士学位论文 基于重建误差排序的显著性检测 Saliency Detection via Ranking with Reconstruction Error 作者姓名： 宋玉霞 学科、专业： 计算数学 学 号：指导教师： 苏志勋教授 完成日期： 2015年6月6日 大连理工大学 Dalian University of Technology 万方数据 大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方 外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已 申请学位或其他用途使用过的成果。与我一i-q工作的同志对本研究所做的 贡献均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 作者签名： 盔玉整 日期：二f五面 学位论文题目： 基于重建误差排序的显著性检测 万方数据 大连理工大学硕士学位论文摘 大连理工大学硕士学位论文 摘 要 科技发展曰新月异的今日，智能手机、互联网等行业给人们的生活带了极大的便 利，越来越多生产生活上产生的图片涌现出来。面对这些海量图片，人们亟需能够快速 精确处理这些图像的有效方法。而图像的显著性检测由于在计算机视觉领域有着广泛的 应用，也越来越受到人们的重视。 本文是提出了一种自下而上的显著性检测的方法。首先，将图像的四边作为基底对 整幅图像进行稠密与稀疏重建，得到两个互补的粗糙的重建误差作为先验：然后，利用 上面得到的两个重建图像作为查询结点，建立一个描像素关系的的排序函数；再将排序 得到的两个图相乘结合并再次进行排序优化，最后利用高斯模糊，得到对复杂背景鲁棒 的显著图。实验部分中，在MSRAl000和berkery300两个公开的数据库上面分别与现在 的12种方法比较，证明我们的结果相比于以前的算法有了一定程度的改进提升。 关键词：图像显著性检测：重建误差；主成分分析；稀疏编码；排序函数 万方数据 大连理工大学硕士学位论文S 大连理工大学硕士学位论文 S aliency Detection via Ranking with Reconstruction Error Abstract Nowadays with the rapid development of science and technology，smart phone and internet bring great facilities to people，for more and more pictures emerging．A rapid，precise and effective method is badly in need of face up to the mass images．More attention is paid to saliency detection because of its widespread use．Recent years saliency detection plays an important role in computer vision． In the paper,we present a bottom-up salient object detection method．First，we compute two complementary coarse saliency maps based on the dense and sparse reconstruction errors considering the boundary priors．Then we rank the coarse maps and integrate the ranking values in a multiplication way．In the end，we optimize the picture with Gauss blur and ranking twice． Compute an exact saliency map which is robust to the images with cluttered background．Exten。 sive experiments on two public available databases demonstrate the superiority of the proposed method in comparison to 1 2 state—t