导读:本文包含了显着目标提取论文开题报告文献综述及选题提纲参考文献，主要关键词:多基频轨迹,谐波乘积谱,语者识别
显着目标提取论文文献综述
后方帅,黎美琪,刘若伦[1]（2019）在《利用谐波显着度和语者音色特征的混合语音中目标人基频轨迹提取》一文中研究指出从混合语音中提取出目标语者的基频轨迹,是语音监听、语音门禁、对话管理等应用的关键技术。为提高基频轨迹跟踪的准确率、增强抗八度误差的能力、降低系统复杂度,多基频估计以谐波乘积谱为核心,八度校正与基频分组均以元音段为基本单元,并结合了谐波显着度和语者音色特征。基于MIREX2005语音数据集的实验表明,MIREX的4种多基频估计性能指标均在75%以上,基频分组在混合语音中的判断准确率可达92%。(本文来源于《声学技术》期刊2019年04期）
郎洪,丁朔,陆键,马晓丽[2]（2019）在《复杂场景下的交通视频显着性前景目标提取》一文中研究指出目的在城市交通检测中,智能视频的广泛应用使得人工智能技术及计算机视觉先进技术对视频中的前景目标检索、识别、特征提取、行为分析等成为视觉研究的热点,但由于复杂场景中动态背景具有不连续的特点,使得少部分的前景目标图像信息丢失,从而造成漏检、误判。方法本文提出一种RPCA(鲁棒主成分分析)优化方法,为了快速筛选与追踪前景目标,以基于帧差欧氏距离方法设计显着性目标帧号快速提取算法,确定关键帧邻域内为检测范围,对经过稀疏低秩模型初筛选的前景目标图像进行前景目标种子并行识别和优化连接,去除前景目标图像中的动态背景,同时将MASK(掩膜)图像中的前景目标分为规则类和非规则类两种,对非规则类前景目标如行人、动物等出现的断层分离现象设计前景目标区域纵向种子生长算法,对规则类前景目标如汽车轮船等设计区域内前景目标种子横纵双向连接以消除空洞、缺失的影响。结果本文前景目标提取在富有挑战性干扰因素的复杂场景下体现出较高的鲁棒性,在数据库4组经典视频和山西太长高速公路2组视频中,动态背景有水流流动、树叶摇曳、摄像头轻微抖动、光照阴影,并从应用效果、前景目标定位的准确性以及前景目标检测的完整性3个角度对实验结果进行了分析,本文显着性前景目标提取算法取得了90. 1%的平均准确率,88. 7%的平均召回率以及89. 4%的平均F值,均优于其他同类算法。结论本文以快速定位显着性前景目标为前提,提出对稀疏低秩模型初筛选的图像进行并行种子识别和优化连接算法,实验数据的定性与定量分析结果表明,本文算法能够更快速地将前景目标与动态背景分离,并减小前景目标与背景之间的粘连情况,更有效地保留了原始图像中前景目标的结构信息。(本文来源于《中国图象图形学报》期刊2019年01期）
孟琭,陈妹雅[3]（2018）在《多目标显着性区域提取算法》一文中研究指出结合对象估计和超像素分割,提出面向多目标的显着性区域提取算法.首先,应用对象估计对图像中的多目标作初步检测,得到若干个显着性区域的初步结果;然后,再将这些显着性区域与超像素分割的结果作图像拼接,完善这些显着性区域;最后,将图像拼接的结果二值化,作为多目标显着性区域提取的最终结果.结果表明:所提算法可实现面向多目标的显着性区域提取.与3个经典算法的比较结果表明:所提算法在面向多目标显着性区域提取时更优.(本文来源于《东北大学学报(自然科学版)》期刊2018年10期）
杨爽,徐宏宇,唐泽坤[4]（2018）在《基于视觉显着性和区域生长的红外目标提取方法》一文中研究指出针对传统的区域生长法需要人工交互找到种子点的缺陷,提出了一种结合视觉显着性和区域生长的红外目标提取方法。首先提出了一种基于频谱残差原理改进的视觉显着性模型,用于提取红外图像的显着图,接着对显着图进行简单的阈值分割进而获得二值图像,然后在对二值图像进行形态学处理的基础上根据目标的数量找到对应数量个最大连通区域,最后分别以各个连通区域的重心为种子点进行区域生长从而实现红外目标提取。通过仿真实验证明该方法能有效消除复杂背景的干扰,准确提取出红外目标。(本文来源于《沈阳航空航天大学学报》期刊2018年04期）
薛国姣[5]（2018）在《红外小目标显着性特征提取方法研究》一文中研究指出在现代战争中,军事科技的进步对战争的格局和形式产生了很大的影响。红外小目标检测技术是红外制导、红外跟踪搜索及预警的关键技术。但红外成像系统会受到天气、云层、视场选取等因素的影响,导致图像中杂波干扰较多。因此,复杂背景下的红外小目标检测技术一直是一项具有挑战性和难度的研究热点。由于小目标具有显着奇异性,通过提取红外小目标的显着性特征,能有效增强目标检测概率。因此,本文从视觉注意机制出发,深入研究红外小目标在分形、灰度、方向、熵等方面的显着性特征,并用于红外小目标检测。本文主要工作和成果如下:1.分形理论可以对图像中某一区域的自相似性进行描述,是一种更合理有效的近似模型。其中,分形维数可以描述图像表面的粗糙程度,通过计算分形维数可以对目标和背景进行有效区分,通过计算改进的Hurst指数特征,构建了红外小目标的分形特征,并将其应用于目标检测,论文提出一种基于分形特征的红外小目标检测算法。该算法使用离散分数布朗随机场模型描述红外图像中的自然背景,使用改进的Hurst指数描述小目标的分形特征;同时,根据类间方差的思想进一步去除背景噪声,增强目标显着性。最后,在不同背景下进行实验验证,并与不同算法对比,进行性能参数分析,可以证明该算法的优异性。2.红外图像中只有灰度一个通道,可提供的信息相对较少,因此研究红外小目标的灰度显着特征十分重要。由于在红外图像中小目标区域在各个方向上梯度变化较大,同时基于人眼视觉对比机制,小目标与邻域的对比值较大,因此,可以通过研究梯度和局部对比,构建新的红外小目标梯度和局部对比特征,并将其用于目标检测,论文提出一种基于灰度特性的红外小目标检测算法。该算法主要从梯度特征和局部对比特征两方面进行研究。首先,提出一种多向梯度特征,从多个方向上提取小目标的梯度特征。然后,采用局部对比,计算小目标的局部对比特征。最后,通过实验验证和数据分析,证明该算法具有较好的鲁棒性和检测性能。3.在红外小目标检测中,基于单一特征的算法在检测时,算法的稳健性较差,因此,为了利用更多小目标信息,增加检测结果的可靠性,可以提取小目标不同方面的特征,并基于特征融合的思想,论文提出一种多特征融合的红外小目标检测算法。该算法首先采用改进的高增益滤波器进行预处理,然后,分别提取红外小目标的方向特征、谱特征、熵特征,采用归一化的特征融合方式,加强目标显着性,抑制背景。最后经过实验验证,该算法可以有效实现红外目标检测,提高检测概率。(本文来源于《西安电子科技大学》期刊2018-04-01）
田贺英[6]（2018）在《基于Egocentric视频的显着目标提取算法研究》一文中研究指出Egocentric视频显着目标提取是指提取Egocentric视频中具有独立视觉意义的显着目标区域,对后续行为识别、场景理解、语义分析等高级视觉任务具有重要意义。近年来,随着穿戴式生活记录相机的大量应用,基于Egocentric视频的显着目标提取引起研究人员的广泛关注。针对Egocentric视频信息量大、冗余信息多、目标尺度差异明显等的特点,研究基于Egocentric视频的显着目标提取具有重要的意义。本文以Egocentric视频帧序列为输入,研究基于Egocentric视频的有意义帧提取算法与基于时空显着性的Egocentric视频显着目标提取算法,最后生成针对有意义目标的Egocentric视频摘要。本文的主要工作如下:(1)研究了基于CNN特征的域适应Egocentric视频有意义帧提取算法。已标注有意义帧的固定视角视频数据与Egocentric视频数据存在分布差异,而重新构建Egocentric视频人工标注训练数据工作量巨大,针对这一问题,本文提出了一种基于CNN特征的域适应Egocentric视频有意义帧提取算法,以已标注有意义帧的固定视角视频数据为源样本,分别提取基于CNN的源域和目标域(Egocentric视频)特征,构建连接源域和目标域的域不变特征空间,在域不变空间进行源样本和目标样本相似度计算,根据有意义帧置信度提取Egocentric视频中的有意义帧。在UTEgocentric数据集上的对比实验验证了本文提出算法的有效性。(2)研究了基于时空显着性的Egocentric视频显着目标提取算法。本文基于Egocentric视频时空显着性信息,提出了一种递进式的显着目标提取算法。首先利用时间显着性获得初步的目标分割结果即候选区域,然后在候选区域中分别从像素和区域两个方面计算目标的空间显着性,通过融合时间显着性和空间显着性信息得到最终的Egocentric视频时空显着图,最后基于时空显着图提取出Egocentric视频中的显着目标。基于显着性的目标检测实验表明,本文算法针对Egocentric视频的显着性检测较IT、GB、SR、CA、AGV算法更优,基于时空显着图的目标提取实验结果对比验证了本文提出算法的有效性。(3)实现了一种针对有意义目标的Egocentric视频摘要生成方法。给定一段没有编辑过的Egocentric视频帧序列,首先采用本文提出的视频有意义帧提取方法提取该视频的有意义帧,在得到有意义帧的基础上,再基于时空显着性提取出其中的显着目标,得到有意义目标视频帧,然后将有意义目标视频帧按照时间排序,通过对提取到的目标进行聚类识别得到视频中的目标类别数,最后生成针对有意义目标的Egocentric视频摘要。(本文来源于《北京交通大学》期刊2018-03-01）
王慧斌,陈哲,卢苗,葛晨曦[7]（2018）在《运动显着性概率图提取及目标检测》一文中研究指出目的动态场景图像中所存在的静态目标、背景纹理等静态噪声,以及背景运动、相机抖动等动态噪声,极易导致运动目标检测误检或漏检。针对这一问题,本文提出了一种基于运动显着性概率图的目标检测方法。方法该方法首先在时间尺度上构建包含短期运动信息和长期运动信息的构建时间序列组;然后利用TFT(temporal Fourier transform)方法计算显着性值。基于此,得到条件运动显着性概率图。接着在全概率公式指导下得到运动显着性概率图,确定前景候选像素,突出运动目标的显着性,而对背景的显着性进行抑制;最后以此为基础,对像素的空间信息进行建模,进而检测运动目标。结果对提出的方法在3种典型的动态场景中与9种运动目标检测方法进行了性能评价。3种典型的动态场景包括静态噪声场景、动态噪声场景及动静态噪声场景。实验结果表明,在静态噪声场景中,Fscore提高到92.91%,准确率提高到96.47%,假正率低至0.02%。在动态噪声场景中,Fscore提高至95.52%,准确率提高到95.15%,假正率低至0.002%。而在这两种场景中,召回率指标没有取得最好的性能的原因是,本文所提方法在较好的包络目标区域的同时,在部分情况下易将部分目标区域误判为背景区域的,尤其当目标区域较小时,这种误判的比率更为明显。但是,误判的比率一直维持在较低的水平,且召回率的指标也保持在较高的值,完全能够满足于实际应用的需要,不能抵消整体性能的显着提高。另外,在动静态噪声场景中,4种指标均取得了最优的性能。因此,本文方法能有效地消除静态目标干扰,抑制背景运动和相机抖动等动态噪声,准确地检测出视频序列中的运动目标。结论本文方法可以更好地抑制静态背景噪声和由背景变化(水波荡漾、相机抖动等)引起的动态噪声,在复杂的噪声背景下准确地检测出运动目标,提高了运动目标检测的鲁棒性和普适性。(本文来源于《中国图象图形学报》期刊2018年02期）
臧苏莹,赵青[8]（2018）在《网络视频广告图像非显着目标自适应提取仿真》一文中研究指出对网络视频广告图像非显着目标的提取,能够有效提高广告传达效率。对网络视频广告图像非显着目标的自适应提取,需要根据图像的梯度信息向量,计算梯度矢量相似度分布,完成图像非显着目标提取。传统方法依据相应提取模型给出量化标准,模拟人类视觉系统感知性能衡量图像传达效果,但忽略了计算图像梯度矢量相似度分布,导致提取精度偏低。提出基于信息量加权与人眼视觉特性相结合的评估方法,对网络视频广告图像局部失真程度进行度量,计算图像的梯度信息向量,计算梯度矢量相似度分布;求解视觉感知权重函数,两者相乘即可得到相应尺度的图像传达效果评估指标。对图像不同的尺度分配不同的权重,使得评估结果更加准确。实验结果表明,能够实现对网络视频广告图像非显着目标的提取,自适应程度较强。(本文来源于《计算机仿真》期刊2018年01期）
杨琴[9]（2017）在《基于视觉注意机制的显着目标检测与提取算法研究》一文中研究指出近年来,互联网及计算机技术蓬勃发展,图形信息呈喷发态势增长。图像中蕴藏的信息是十分丰富的,如何快速地从众多的信息中定位出感兴趣的目标并获取相应的信息,是人们迫切希望解决的问题。计算机视觉作为当前的热门研究领域,致力于通过模拟人类视觉机制从图像或视频等中实现目标信息的快速获取并加以应用。图像作为视觉信息的主要来源,是计算机视觉中研究的重点。视觉注意机制的引入,为计算机视觉技术快速定位兴趣目标,减少冗余信息处理工作提供了新的思路,引发了国内外学者的研究热情。显着性是视觉注意机制在计算机领域的表述,显着目标检测是计算机视觉领域一个重要的研究内容,其最核心的部分在于目标的显着性计算及提取算法研究。基于此本文研究了显着目标检测及提取算法。主要研究内容如下:(1)针对传统的Otsu方法进行阈值分割时存在过分割且易受噪声影响,引入稳定随机数机制的布谷鸟算法(MCS)没能解决算法后期活性不足,收敛变慢的问题,提出一种基于改进布谷鸟算法(MSCS)的Otsu阈值分割方法。引入动态步长控制因子,提升最优解搜寻的能力,加速收敛;引入惯性权重因子减少局部最优状况,提升解的精度。结合MSCS与Otsu方法进行图像分割,并与同类算法的分割效果进行对比分析。(2)针对局部特征显着性检测侧重轮廓显着会流失对象细节的问题,提出基于协方差的多尺度局部-区域显着性检测(LRS)方法。分析现有显着检测方法的不足,构建新的模型:在基于协方差的局部显着性检测算法(CovSal)基础上引入区域显着性检测方法,缓解显着图镂空的状况,并将融合的局部-区域显着性扩展到多尺度条件下线性结合生成最终的显着图。然后将提出的LRS方法与同类方法的检测结果进行对比分析。(3)针对现有的融合策略显着检测方法在目标提取时,大多采用常规的先检测再分割机制,有时难以准确的提取出目标的问题,提出基于MSCS分割融合策略的LRS显着目标提取方法。首先用MSCS分别提取LRS的局部与区域显着检测结果,按照一定比例融合并线性扩展到多尺度下提取目标。将提取结果与同类方法分别在标准库与现实采集图下进行对比评估,验证算法的有效性。(本文来源于《武汉理工大学》期刊2017-04-01）
吴军旗[10]（2017）在《基于时空分析的显着目标提取算法的研究》一文中研究指出显着目标提取是检测视觉输入中具有独立视觉意义的显着区域(目标),对后续行为分析、语义判断、场景理解等高级视觉任务具有重要意义,是计算机视觉研究领域中经典课题。近年来,随着穿戴式摄像设备的大量应用,基于第一视角视频(EgocentricVideo)的显着目标提取引起研究人员的广泛关注。以时空分析方法为基础,针对Egocentric Video的特点,研究基于第一视角视频的显着目标提取具有重要的意义。本文以多个不同视角、相同时间拍摄的第一视角图像序列为输入,结合时空分析方法研究基于第一视角视频的显着性检测算法和目标检测算法。本文的主要工作如下:(1)研究了基于时空分析的融合显着性算法。针对第一视角视频背景变化剧烈、目标尺度差异明显和视角时变性强的特点,提出一种融合自顶向上的图像显着性、Ego-Motion信息以及目标运动信息来计算第一视角视频中目标的显着性方法。显着性检测实验表明,本文算法针对第一视角视频的显着性检测较IT、GB、SR、CA、AGV算法更优。(2)研究了基于融合显着性的显着目标提取算法。提出了一种融合第一视角视频显着性约束的Canny边缘检测方法,减少了大量背景区域的边缘。根据格式塔规则中的闭合性对编组元进行度量,得到编组元之间的闭合关系,通过分析编组元之间的闭合关系与第一视角视频的显着性,提出度量编组闭合性的目标函数,并利用最小权值最优匹配算法求解目标函数,得到最终目标的闭合轮廓。实验表明,与RRC轮廓编组算法比较,本文算法能够获得第一视角视频中更高质量的运动目标轮廓。(3)研究了基于多视角时空分析的显着目标提取算法。提出一种基于群体检测的显着目标提取的方法。针对第一视角视频,结合时空信息,提出基于注意力线索的瞬时关注度和时空关注度的计算方法,实现目标间相互关系的度量,以及基于自适应K-Means聚类方法的群体检测算法生成群体检测结果,最后可以得出目标(拍摄者)最为关注的目标。本文算法在Party Scene数据集上检测群体的平均正确率达到92.5%。(本文来源于《北京交通大学》期刊2017-03-01）
显着目标提取论文开题报告
（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：
目的在城市交通检测中,智能视频的广泛应用使得人工智能技术及计算机视觉先进技术对视频中的前景目标检索、识别、特征提取、行为分析等成为视觉研究的热点,但由于复杂场景中动态背景具有不连续的特点,使得少部分的前景目标图像信息丢失,从而造成漏检、误判。方法本文提出一种RPCA(鲁棒主成分分析)优化方法,为了快速筛选与追踪前景目标,以基于帧差欧氏距离方法设计显着性目标帧号快速提取算法,确定关键帧邻域内为检测范围,对经过稀疏低秩模型初筛选的前景目标图像进行前景目标种子并行识别和优化连接,去除前景目标图像中的动态背景,同时将MASK(掩膜)图像中的前景目标分为规则类和非规则类两种,对非规则类前景目标如行人、动物等出现的断层分离现象设计前景目标区域纵向种子生长算法,对规则类前景目标如汽车轮船等设计区域内前景目标种子横纵双向连接以消除空洞、缺失的影响。结果本文前景目标提取在富有挑战性干扰因素的复杂场景下体现出较高的鲁棒性,在数据库4组经典视频和山西太长高速公路2组视频中,动态背景有水流流动、树叶摇曳、摄像头轻微抖动、光照阴影,并从应用效果、前景目标定位的准确性以及前景目标检测的完整性3个角度对实验结果进行了分析,本文显着性前景目标提取算法取得了90. 1%的平均准确率,88. 7%的平均召回率以及89. 4%的平均F值,均优于其他同类算法。结论本文以快速定位显着性前景目标为前提,提出对稀疏低秩模型初筛选的图像进行并行种子识别和优化连接算法,实验数据的定性与定量分析结果表明,本文算法能够更快速地将前景目标与动态背景分离,并减小前景目标与背景之间的粘连情况,更有效地保留了原始图像中前景目标的结构信息。
（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。
显着目标提取论文参考文献
[1].后方帅,黎美琪,刘若伦.利用谐波显着度和语者音色特征的混合语音中目标人基频轨迹提取[J].声学技术.2019
[2].郎洪,丁朔,陆键,马晓丽.复杂场景下的交通视频显着性前景目标提取[J].中国图象图形学报.2019
[3].孟琭,陈妹雅.多目标显着性区域提取算法[J].东北大学学报(自然科学版).2018
[4].杨爽,徐宏宇,唐泽坤.基于视觉显着性和区域生长的红外目标提取方法[J].沈阳航空航天大学学报.2018
[5].薛国姣.红外小目标显着性特征提取方法研究[D].西安电子科技大学.2018
[6].田贺英.基于Egocentric视频的显着目标提取算法研究[D].北京交通大学.2018
[7].王慧斌,陈哲,卢苗,葛晨曦.运动显着性概率图提取及目标检测[J].中国图象图形学报.2018
[8].臧苏莹,赵青.网络视频广告图像非显着目标自适应提取仿真[J].计算机仿真.2018
[9].杨琴.基于视觉注意机制的显着目标检测与提取算法研究[D].武汉理工大学.2017
[10].吴军旗.基于时空分析的显着目标提取算法的研究[D].北京交通大学.2017