资料简介：
毕业论文-基于谱的网格显著性分析，共35页。
摘要
人在进化过程中发展出了一套高效的视觉处理机制，即使是从没见过的场景，人类也能迅速去关注场景中更为显著的部分。显著性是一个反映场景中目标吸引人注意力能力的术语，网格显著性分析就是尝试检测出网格中引起人们关注的区域。
图像显著性领域的研究已经有了很大的发展，了解图像显著性检测，对研究网格显著性有帮助和启迪作用，本文简要回顾了图像显著性检测领域的发展。谱分析的手段在网格几何处理中得到了很大的应用。大体上说，谱算法是通过研究使用特征值、特征向量、特征空间的投影等来解决某一问题。本文通过介绍谱在网格平滑中的应用来引入网格谱分析的基本概念。
本文尝试将谱分析的手段用于检测网格显著性，用了基于特征分解、谱变换、谱残差成分的方法。其中基于特征分解是已经提出的算法，本文新提出了基于谱变换与谱残差成分的算法。本文先实现并分析了基于特征分解的算法，这种方法的想法是谱中存在冗余信息，去除冗余，得到的偏差成分也许能反映显著性信息。
然后本文提出基于谱变换的检测方法，在这种方法中，采用了一个模仿butterworth 滤波器设计的光滑低通滤波器对谱滤波，通过反变换，根据顶点在新旧网格的位移大小来决定显著性图，本文同时指出了谱变换的方法所依据的原理，这种算法其实是比较原网格和光滑后的网格，那些坐标变化比较大的顶点，给予它们较大的显著性值。网格上比较突出的部分在光滑过程中会变化比较大，因此，这种算法趋向于能找到网格上的突出部分。谱残差成分方法的想法也是基于谱的残差成分也许能反映显著性信息，然而，这种方法与基于特征分解的方法也有不同，这种方法先求取网格顶点处的曲率，作为顶点处的特征，然后对曲率谱变换，对谱变换后的系数求取偏差成分，然后反变换后的值即作为显著性成分。本文在不同模型上检验了这三种算法，从结果可以看出，每种方法都有优点和局限性。
关键词：视觉注意力，显著性，谱分析，特征分解，谱变换, 谱残差
目录
摘要 2
Abstract 3
第一章 绪论 5
11 研究背景和意义 5
12 论文内容安排 6
第二章 图像显著性分析 7
21 视觉注意力机制与显著性模型机制 7
22 评价方法 7
221 线性相关系数法 8
222 ROC 曲线下面积法（AUC） 8
223 主观评价法 9
23 图像显著性检测模型 9
231 符合感知的模型 9
232 谱分析模型 10
233 机器学习模型 11
第三章 网格显著性分析 12
31 基于感知的显著性检测方法 12
311 基于曲率的局部显著性检测 12
312 加入整体考量的显著性检测 13
32 基于谱的显著性检测方法 14
第四章 网格谱分析介绍 15
41 光滑边框的例子 15
42 网格谱分析 18
421 基本概念 18
422 谱分析的优点 18
423 谱分析的难点和挑战 19
第五章 基于谱的网格显著性分析 20
51 基于特征分解的显著性分析 20
511 算法与分析 20
512 显著性检测结果 23
52 基于谱变换的显著性分析 24
521 算法与分析 24
522 显著性检测结果 27
53 基于谱残差成分的显著性分析 29
531 算法与分析 29
532 显著性检测结果 31
第六章 总结与展望 33
参考文献 34
资料文件预览：
共1文件夹，1个文件，文件总大小：1.37MB，压缩后大小：1.20MB
- 毕业论文-基于谱的网格显著性分析
毕设论文：基于谱的网格显著性分析.pdf [1.37MB]
我要下载：基于谱的网格显著性分析（客服QQ：5739126）