学位论文 > 优秀研究生学位论文题录展示
图像显著性区域检测及其GPU并行计算
作 者: 谭兵
导 师: 苏志勋
学 校: 大连理工大学
专 业: 计算数学
关键词: 视觉注意 显著性区域 “中央—周边”差 中心优先 GPU并行计算
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 354次
引 用: 2次
阅 读: 论文下载
内容摘要
视觉注意机制对依赖于视觉感知的动物的生存和繁衍都具有重要意义,比如在瞬间注意到猎物或者捕食者,从而有效地捕捉猎物或者逃避捕食者。不仅如此,视觉注意机制在仿生学上也具有重要意义。随着现今爆炸式增长的海量图像数据,“一视同仁”的数字图像处理不仅速度慢,而且浪费资源。视觉注意机制启迪我们在计算机视觉领域可以模拟人类视觉,提取出图像中的显著区域或者感兴趣的部分进行集中处理。图像的显著性区域检测属于视觉显著性分析范畴,它将视觉注意机制引入到图像处理中,通过筛选出人眼认为的重要区域,从而减少数据处理量。可靠的显著性区域估计可以使我们在没有先验知识的情况下,筛选出图像中的重要信息。因此,图像的显著性区域检测是许多计算机视觉任务中的一个重要步骤,其中包括:图像分割、目标识别、自适应压缩、内容感知的图像编辑、图像检索等。故而高效的视觉显著性检测能大大提升这些任务的整体效率。人类可以很容易地判断出图像中的显著区域,不管图像的环境背景如何复杂,人都能实时的注意到图像中的重要部分。本文的主要目标就是结合近年来成为高性能计算热点之一的GPU并行计算来加速图像显著性区域检测,以获得能够满足实时性要求的并行算法。本文详细分析了四种显著性区域检测算法:Itti, FT, MSSS, HC。在此基础上,我们设计了MSSS和HC两种算法的GPU并行化算法,并且对MSSS算做了改进,加入了中心优先因子。实验发现,与原始算法比较,并行化的MSSS算法和HC算法在现有公开的最大的标准测试图库上,前者平均速度提升超过40倍,后者平均速度提升超过60倍,而且实验表明改进后的并行MSSS算法不但平均速度提升30倍以上,而且能更好的预测显著目标区域。
|
全文目录
摘要 4-5 Abstract 5-8 1 绪论 8-15 1.1 课题背景 8-9 1.2 研究意义 9-10 1.3 国内外研究现状 10-13 1.3.1 视觉注意机制研究现状 10-11 1.3.2 显著性区域检测研究现状 11-12 1.3.3 GPU并行计算在显著性区域检测的研究现状 12-13 1.4 本文的主要研究工作和内容安排 13-15 2 基于NVIDIA CUDA平台的GPU并行计算 15-25 2.1 GPU并行计算发展历程 15-16 2.2 NVIDIA GPU的几个重要架构 16-19 2.3 NVIDIA CUDA的编程模型 19-22 2.4 NVIDIA CUDA的存储器模型 22-23 2.5 NVIDIA CUDA的执行模型 23-25 3 图像显著性区域检测 25-39 3.1 图像显著性区域检测相关知识 25-32 3.1.1 颜色空间理论 25-29 3.1.2 颜色直方图 29 3.1.3 空间滤波 29-31 3.1.4 高斯金字塔 31-32 3.1.5 Gabor滤波器 32 3.2 几种图像显著性区域检测算法 32-39 3.2.1 Itti算法 33-35 3.2.2 FT算法 35-36 3.2.3 MSSS算法 36-37 3.2.4 HC算法 37-39 4 基于GPU并行计算的图像显著性区域检测 39-50 4.1 MSSS算法的GPU并行化 39-44 4.1.1 颜色空间转换 40 4.1.2 计算各通道积分图像 40-43 4.1.3 计算各通道“中央”图像和“周边”图像 43-44 4.1.4 计算“中央—周边”差 44 4.2 MSSS算法的改进 44-45 4.3 HC算法的GPU并行化 45-50 4.3.1 统计颜色直方图 45-47 4.3.2 减少颜色数量 47-48 4.3.3 计算及平滑颜色显著值 48-50 5 实验结果与性能分析 50-57 5.1 各种显著性算法的显著图效果展示 50-52 5.2 固定阈值的显著图分割 52-54 5.3 自适应阈值的显著图分割 54-55 5.4 各种显著性算法的时间比较 55-57 结论 57-58 参考文献 58-62 攻读硕士学位期间发表学术论文情况 62-63 致谢 63-64
|
相似论文
- 注视对听觉感觉门控的影响,R741
- 图像感兴趣区域提取方法研究,TP391.41
- 基于视觉注意力的视频水印方法研究,TP309.7
- 水稻分蘖断层图像重建加速研究,TP391.41
- 基于视觉注意与结构失真的图像质量评价方法研究,TP391.41
- 复杂目标视觉注意模型研究,TP391.41
- 视觉注意模型的研究与应用,TP391.41
- 基于视觉注意力和形状简化的抽象化绘制方法研究,TP391.41
- 无参考图像模糊度估计,TP391.41
- 基于多模纹理分类的图像隐写分析算法,TP391.41
- 基于超复数频域的视感知数字水印算法研究,TP309.7
- 局部特征描述子算法研究,TP391.41
- 图像局部特征技术在图像检索系统中的应用,TP391.41
- 基于注意力机制的显著区域提取研究和实现,TP391.4
- 基于GPU的数据流通用处理模型,TP311.13
- 图像与视频的实时抽象化,TP391.41
- 基于生物视觉机制的图像感兴趣区域提取研究,TP391.41
- 基于高层语义的图像检索研究,TP391.41
- 图像感兴趣区域数字水印算法研究,TP309.7
- 基于运动特征的视觉注意计算模型研究,TP391.41
- 基于选择性视觉注意机制的遥感图像舰船目标检测与识别,TP751
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|