典型文献
图像增强对显著性目标检测的影响研究
文献摘要：
目的 雾霾、雨雪天气和水下等非理想环境因素会引起图像退化,导致出现低质图像,从而影响人类主观视觉感受及机器视觉应用任务的性能,因此,低质图像被利用之前进行图像增强成为惯常的预处理过程.然而,图像增强能否提高图像机器视觉应用任务的性能及影响程度等问题鲜有系统性研究.针对上述问题,本文以图像显著性目标检测这一机器视觉应用为例,研究图像增强对显著性目标检测性能的影响.方法 首先利用包括5种传统方法、6种深度学习方法等共11种典型图像增强方法对图像进行增强处理,然后利用8种典型的显著性目标检测方法对增强前后的图像分别进行显著性目标检测实验,并对比分析其结果.结果 实验表明,图像增强对低质图像显著性目标检测方法性能的促进作用不明显,某些增强方法甚至表现出负面影响,也存在同一增强方法对不同的显著性目标检测方法作用不同的现象.结论 图像增强对于显著性目标检测及其他的机器视觉应用的实际效果值得进一步研究,如何根据图像机器视觉应用的需求来选择和设计有效的增强方法需进一步探讨.
文献关键词：
水下图像;雾霾图像;图像增强;显著性目标检测;图像处理
中图分类号：
作者姓名：
郭继昌;岳惠惠;张怡;刘迪;刘晓雯;郑司达
作者机构：
天津大学电气自动化与信息工程学院, 天津 300072
文献出处：
引用格式：
[1]郭继昌;岳惠惠;张怡;刘迪;刘晓雯;郑司达-.图像增强对显著性目标检测的影响研究)[J].中国图象图形学报,2022(07):2129-2147
A类：
B类：
图像增强,显著性目标检测,雨雪天气,理想环境,低质,视觉感受,机器视觉,视觉应用,惯常,系统性研究,以图,图像显著性,检测性能,深度学习方法,增强方法,目标检测方法,实际效果,水下图像,雾霾图像
AB值：
0.221425
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
