导读:本文包含了显着性目标论文开题报告文献综述及选题提纲参考文献，主要关键词:显着性检测,显着性特征,随机森林,水面垃圾目标检测
显着性目标论文文献综述
周飞,刘桂华,徐锋[1]（2019）在《基于视觉显着性的水面垃圾目标检测》一文中研究指出针对实际水面复杂环境提出了一种基于视觉显着性的水面垃圾目标检测算法。首先对输入图像进行超像素分割,在CIELab、RGB和HSV颜色空间中提取超像素级的显着性特征,然后使用随机森林回归器将显着性特征进行融合得到疑似显着性图,并使用自适应阈值分割得到疑似二值显着性图,最后使用MLP分类器对原始图像中的疑似垃圾目标区域进行判别,去除水波、倒影和反光的干扰,最终检测出水面的垃圾目标。实验结果表明所提基于视觉显着性的水面垃圾目标检测算法的性能优于其他水面目标检测算法。(本文来源于《测控技术》期刊2019年11期）
李东民,李静,梁大川,王超[2]（2019）在《基于多尺度先验深度特征的多目标显着性检测方法》一文中研究指出显着性检测是近年来国内外计算机视觉领域研究的热点问题,在图像压缩、目标识别与跟踪、场景分类等领域具有广泛的应用.针对大多显着性检测方法只针对单个目标且鲁棒性不强这一问题,本文提出一种基于深度特征的显着性检测方法.首先,在多个尺度上对输入图像进行超像素分割,利用目标先验知识对预显着区域进行提取和优化.然后,采用卷积神经网络提取预选目标区域的深度特征.对高维深度特征进行主成分分析并计算显着性值.最后,提出一种改进的加权多层元胞自动机方法,对多尺度分割显着图进行融合优化,得到最终显着图.在公开标准数据集SED2和HKU IS的实验表明,与现有经典显着性检测方法相比,本文方法对多显着目标检测更准确.(本文来源于《自动化学报》期刊2019年11期）
李建伟,段向欢,徐梦梦,薛桂香[3]（2019）在《基于条件生成对抗网络的视频显着性目标检测》一文中研究指出针对传统的显着性检测方法存在着流程复杂,计算成本高,特征学习不足等问题,受生成对抗网络以及弹性网络的启发,提出一种基于条件生成对抗网络(c GAN)与L1,L2范式联合正则的视频显着性目标检测方法。方法需训练2个模型:生成器和判别器。生成器尽可能生成与真实值一样的显着图来迷惑判别器,使其难以辨别预测的显着图的真实性。判别器则尽可能准确地区分"假"显着图。实验表明:所提方法在两个公开视频数据集上的检测效果都超过了当前主流方法,且算法流程简单,运算效率更高。(本文来源于《传感器与微系统》期刊2019年11期）
张伯川,胡瑞光,张仲峰,王浩,韦海萍[4]（2019）在《一种新的基于目标区域知识的地面复杂场景目标显着性计算方法》一文中研究指出提出了一种新的基于目标区域知识的地面复杂场景目标显着性计算方法,该方法对前期得到的可见光卫星图像进行特征稳定区域选择及稳定边缘特征增强处理后,再利用目标区域信息建立目标显着性模型,使得实时图目标显着性计算过程具有很好的目标针对性且对红外/可见光异源图像匹配具有很好的适应性,同时,该方法对角度和分辨率差异也具有较好的容忍性。(本文来源于《自动化与仪器仪表》期刊2019年10期）
李炜,李全龙,刘政怡[5]（2019）在《基于加权的K近邻线性混合显着性目标检测》一文中研究指出显着性目标检测旨在于一个场景中自动检测能够引起人类注意的目标或区域,在自底向上的方法中,基于多核支持向量机(SVM)的集成学习取得了卓越的效果。然而,针对每一张要处理的图像,该方法都要重新训练,每一次训练都非常耗时。因此,该文提出一个基于加权的K近邻线性混合(WKNNLB)显着性目标检测方法:利用现有的方法来产生初始的弱显着图并获得训练样本,引入加权的K近邻(WKNN)模型来预测样本的显着性值,该模型不需要任何训练过程,仅需选择一个最优的K值和计算与测试样本最近的K个训练样本的欧式距离。为了减少选择K值带来的影响,多个加权的K近邻模型通过线性混合的方式融合来产生强的显着图。最后,将多尺度的弱显着图和强显着图融合来进一步提高检测效果。在常用的ASD和复杂的DUT-OMRON数据集上的实验结果表明了该算法在运行时间和性能上的有效性和优越性。当采用较好的弱显着图时,该算法能够取得更好的效果。(本文来源于《电子与信息学报》期刊2019年10期）
唐红梅,王碧莹,韩力英,周亚同[6]（2019）在《基于目标紧密性与区域同质性策略的图像显着性检测》一文中研究指出针对基于图模型的显着性检测算法中节点间特征差异描述不准确的问题,该文提出一种目标紧密性与区域同质性策略相结合的图像显着性检测算法。区别于常用的图模型,该算法建立更贴近人眼视觉系统的稀疏图结构与新颖的区域同质性图结构,以便描述图像前景内部的关联性与前景背景间的差异性,从而摒弃众多节点的冗余连接,强化节点局部空间关系;并且结合聚类簇紧密性采取流形排序的方式形成显着图,利用背景区域簇的相似性,引入背景置信度进行显着性优化,最终得到精细的检测结果。在4个基准数据集上与4种基于图模型的流行算法对比,该算法能清晰地突出显着区域,且在多种综合指标评估中,具备更优越的性能。(本文来源于《电子与信息学报》期刊2019年10期）
温彬彬,王丽佳,李月朋,胡雪花,陈旭凤[7]（2019）在《一种基于流行排序的显着性目标检测的改进方法》一文中研究指出该文对现流行的基于图的流行排序显着性目标检测算法[1]分析算法中存在的先验背景过于理想化的缺陷,提出了一种基于全局对比度的前景特征[2]特征与背景特征进行有机结合使得查询节点更为精准,从而使显着性检测更为准确有效。(本文来源于《科技视界》期刊2019年29期）
王美荣,徐国明,袁宏武[8]（2019）在《显着性偏振参量深度稀疏特征学习的目标检测方法》一文中研究指出基于偏振成像特点和深层特征分类需求,提出一种显着性偏振参量深度稀疏特征学习的目标检测方法。首先在偏振解析基础上构造显着性偏振参量图像作为检测源图像;然后在判别式字典对下对待检测图像进行稀疏特征学习,并以字典对作为分类器在卷积神经网络(CNN)框架下进行目标分类和定位;最后结合偏振成像探测实际应用需求,选择典型目标和应用场景进行数据采集和模型训练,并进行仿真验证。结果表明该方法在检测得分和平均检测精度上都比直接偏振方向方法有所提高,验证了其有效性,该方法对于有效提升偏振成像探测能力具有应用价值。(本文来源于《激光与光电子学进展》期刊2019年19期）
王明,崔冬,李刚,顾广华[9]（2019）在《融合判别区域特征与标签传播的显着性目标检测》一文中研究指出为了提高图片在复杂场景下检测的准确率与鲁棒性,本文提出了一种融合判别区域特征与标签传播的显着性目标检测算法。首先利用判别区域特征方法形成一个判别区域特征显着图;然后利用标签传播算法得到标签传播显着图;最后,通过一个指数函数将两者融合形成最终的目标显着图。本文提出的方法在公开的数据集中测试并与现有的6种算法进行比较,实验结果证明了本文算法的有效性和可靠性。(本文来源于《燕山大学学报》期刊2019年05期）
张代华[10]（2019）在《基于虚警识别与空-频域显着性映射的红外弱小目标检测算法》一文中研究指出为了提高复杂背景与低信杂比率环境下的弱小目标检测准确度,有效控制虚警的干扰,考虑真实目标与背景的差异,设计了虚警识别耦合空-频域显着性映射的红外弱小目标检测算法。首先,根据红外中心像素在不同方向的强度,基于中值滤波器,构建了新的噪声滤波方法,充分抑制红外背景中的噪声干扰。随后,考虑中心像素与其邻域像素间的强度差别,设计背景抑制滤波机制,消除背景信息。根据初始红外图像与背景抑制结果,在空域内计算灰度映射。基于Fourier变换的相位谱,在频域内提取红外目标的显着性映射。利用背景的均值与方差,通过一个滑动窗口,建立候选目标检测方法,从灰度映射与显着性映射中确定候选目标。最后,利用真实目标位置的相关性,建立虚警识别方法,从候选目标中消除虚警,以保留真实弱小目标。实验数据表明:较已有的弱小目标识别技术而言,在复杂干扰背景下,所提方案可准确定位出真实目标,拥有更大的信杂比增益值与背景抑制因子,以及更好的ROC(receiver operating characteristic curve)特性曲线。(本文来源于《科学技术与工程》期刊2019年27期）
显着性目标论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
显着性检测是近年来国内外计算机视觉领域研究的热点问题,在图像压缩、目标识别与跟踪、场景分类等领域具有广泛的应用.针对大多显着性检测方法只针对单个目标且鲁棒性不强这一问题,本文提出一种基于深度特征的显着性检测方法.首先,在多个尺度上对输入图像进行超像素分割,利用目标先验知识对预显着区域进行提取和优化.然后,采用卷积神经网络提取预选目标区域的深度特征.对高维深度特征进行主成分分析并计算显着性值.最后,提出一种改进的加权多层元胞自动机方法,对多尺度分割显着图进行融合优化,得到最终显着图.在公开标准数据集SED2和HKU IS的实验表明,与现有经典显着性检测方法相比,本文方法对多显着目标检测更准确.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
显着性目标论文参考文献
[1].周飞,刘桂华,徐锋.基于视觉显着性的水面垃圾目标检测[J].测控技术.2019
[2].李东民,李静,梁大川,王超.基于多尺度先验深度特征的多目标显着性检测方法[J].自动化学报.2019
[3].李建伟,段向欢,徐梦梦,薛桂香.基于条件生成对抗网络的视频显着性目标检测[J].传感器与微系统.2019
[4].张伯川,胡瑞光,张仲峰,王浩,韦海萍.一种新的基于目标区域知识的地面复杂场景目标显着性计算方法[J].自动化与仪器仪表.2019
[5].李炜,李全龙,刘政怡.基于加权的K近邻线性混合显着性目标检测[J].电子与信息学报.2019
[6].唐红梅,王碧莹,韩力英,周亚同.基于目标紧密性与区域同质性策略的图像显着性检测[J].电子与信息学报.2019
[7].温彬彬,王丽佳,李月朋,胡雪花,陈旭凤.一种基于流行排序的显着性目标检测的改进方法[J].科技视界.2019
[8].王美荣,徐国明,袁宏武.显着性偏振参量深度稀疏特征学习的目标检测方法[J].激光与光电子学进展.2019
[9].王明,崔冬,李刚,顾广华.融合判别区域特征与标签传播的显着性目标检测[J].燕山大学学报.2019
[10].张代华.基于虚警识别与空-频域显着性映射的红外弱小目标检测算法[J].科学技术与工程.2019