本文探讨计算机视觉中的图像显著性、分割、分类和恢复等关键领域。研究内容包括图像显著性的评价体系与映射构建，图像分类方法，图像恢复技术，以及立体视觉和对象识别（如人脸识别）等。同时，还关注视频处理中的跟踪和前景背景分离等挑战。
显著性
图像显著性是图像中重要的视觉特征，体现了人眼对图像的某些区域的重视程度
自从1998年Itti的工作以来，产生了大量的显著性映射方法，图像显著性也广泛应用于图像压缩、编码、图像边缘和区域加强、显著性目标分割和提取等.
我们研究的方面包括以下：
1 图像显著性的评价体系：特别是针对图像显著性映射在目标提取中的应用，研究如何有效评价已有的显著性映射，方法包括F-measure，分割熵等。
2构建新的显著性映射：通过分析研究已有的图像显著性方法，构建新的适合于显著性目标提取和检测的显著性映射。
分割
高用于查找物体用于实现聚类。同时注意包括视频分割。这里注意研究更深入的外围线。
图像分类
根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读.图像分类
图像恢复
图像恢复是通过计算机处理，对质量下降的图像加以重建或恢复的处理过程。因摄像机与物体相对运动、系统误差、畸变、噪声等因素的影响&#x
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
