计算机视觉基本研究方向

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值