基于计算机视觉的机场跑道异物检测识别系统_王宇.pdf

论文仅供学习和参考。 介绍了基于计算机视觉的机场跑道异物检测和识别系统。 首先介绍了其总体结构，然后提出一种基于边缘特征的异物检测方法，最后提出了基于 Gabor 纹理的异物特征提取方法，并以此为依据进行分类。

基于卷积神经网络的语义分割在医学图像中的应用_吴玉超.pdf

论文仅供学习和参考。 本文综述了基于 CNN 的语义分割在医学图像领域中的研究进展，回顾了多种经典的语义分割方法及其架构变化，并重点介绍了它们在该领域的贡献和意义。在此基础上，进一步总结和讨论了它们在一些重要的生理与病理解剖结构分割中的应用。最后，本文讨论了语义分割在医学图像领域应用将遭遇的挑战和潜在发展方向。

基于快速背景差分的高速铁路异物侵入检测算法_郭保青.pdf

论文仅供学习和参考。 针对铁路场景抖动发生在垂直方向的特点，提出了一维灰度投影结合高斯滤波的图像快速去抖方法，在大幅提高处理速度的同时获得了较好的去抖效果; 针对复杂多变的背景，提出了一种基于前景目标统计分布的背景更新算法，定义了目标分散指数用于确定行列投影次序，通过统计前景目标分布实现背景更新，在提高速度的同时解决了传统背景更新算法难以解决的鬼影问题。最后通过背景差分获取前景目标，并通过目标标记、合并与特性分析提高目标检测的准确性。

基于马尔科夫随机场的纹理图像分割方法研究_曹家梓.pdf

论文仅供学习和参考。 本文提出了一种改进的基于马尔科夫随机场( MＲF) 模型的纹理图像分割方法。利用分数阶微分运算对图像纹理细节和边缘轮廓信息的敏感性，将其引入图像纹理特征提取过程中，以获得完备的图像纹理信息，可以弥补传统算法中 MＲF 特征场对图像纹理信息描述不足的缺陷。此外，为准确划分图像中不同的纹理区域，利用模糊熵准则对分割结果进行进一步优化，以降低噪声干扰、减少区域内错分点。

基于目标识别与显著性检测的图像场景多对象分割_李青.pdf

论文仅供学习和参考。 提出了一种基于目标识别与显著性检测的图像场景多对象分割方法。该方法的步骤包括：在图像训 练 集 上训练语义对象的检测器，用来检测输入图像中对象的位置，标定对象的包围盒；对输入的图像进行过分割处理，得到超像素集合，根据包围盒的位置和超像素的语义概率值计算兴趣区域；在３种稠密尺度上进行场景显著性检 测，得 到 输入图像的显著图；在兴趣区域内计算超像素的邻接关系，形成邻接矩阵，构建条件随机场模型，将多对象分割问题转化成多类别标记问题，每一个对象是一种类别；以每个超像素作为场模型的节点，超像素的邻接关系对应场模型中节点之间的连接关系，将显著性和图像特征转化为节点和边的权重值。。。

基于条件随机场的显著性检测算法_范佳佳.pdf

论文仅供学习和参考。 提出了一种新的基于条件随机场 (CＲF) 的显著性融合算法。将显著性检测看做一个图像标注问题，运用多尺度对比，中央—周围直方图和颜色空间分布这三种不同的显著度计算得到显著图。通过 CＲF 学习计算各个显著度的权重，采用最大似然估计方法获取模型参数估计，得到最优解。最后利用 CＲF 检测测试图像。

基于条件随机场和图像分割的显著性检测_钱生.pdf

论文仅供学习和参考。 综合利用边界信息、局部信息以及全局信息,从图像中提取出多种显著性特征; 在条件随机场框架下融合这些特征, 通过显著性区域与背景区域的区域标注实现显著性区域的粗糙检测; 结合区域标注结果和交互式图像分割方法实现显著性区域的精确检测.

基于纹元森林和显著性先验的弱监督图像语义分割方法_韩铮.pdf

论文仅供学习和参考。 该文提出一种基于纹元森林和显著性先验的弱监督图像语义分割方法。算法使用弱监督数据和图像显著性训练随机森林分类器用于语义纹元森林特征(Semantic Texton Forest, STF)的提取。测试时，先将图像进行过分割，然后提取超像素语义纹元特征，利用朴素贝叶斯法进行超像素标记的概率估计，最后在条件随机场(CRF)框架下结合图像显著性信息定义了新的能量函数表达式，将图像的标注(labeling)问题转换为能量最小化问题求解。在 MSRC-21 类数据库上进行了验证，完成了语义分割任务。

基于显著条件随机场的海面目标分割算法_宋文韬.pdf

论文仅供参考和学习使用。 法基于背景可分 性度量准则，改进了谱残差显著性，并使用全连接的随机场替代一般的邻域模型，利用全图的上下文信息对目标精确分割。

结合背景和前景先验的显著性检测_姚钊健.pdf

论文仅供参考学习使用。 选取图像的边界超像素作为背景区域，从而根据每个区域与背景区域的差异度来建立背景先验显著图;然后通过计算特征点来构建一个能够粗略包围目标区域的凸包，并结合背景先验显著图来选取前景目标区域，从而根据每个区域与前景目标区域的相似度来生成前景先验显著图;最后融合这两个显著图并对其结果进一步优化得到更加平滑和准确的显著图。