提出一个基于改进的Itti-Koch模型的感兴趣区域(Region of interest,ROI)提取算法,同时针对图像亮度特征对ROI提取的影响问题,从2个方面进行分析研究:一是根据不同亮度权重下提取的ROI,分析亮度特征对ROI提取的影响程度;二是对眼动数据...提出一个基于改进的Itti-Koch模型的感兴趣区域(Region of interest,ROI)提取算法,同时针对图像亮度特征对ROI提取的影响问题,从2个方面进行分析研究:一是根据不同亮度权重下提取的ROI,分析亮度特征对ROI提取的影响程度;二是对眼动数据提取图像的ROI和基于改进的Itti-Koch模型提取的图像ROI进行区域评价,计算两者之间的点对点区域相似度和位置区域相似度。研究结果表明:当亮度特征和颜色特征同时影响图像ROI提取时,亮度特征所占权重不宜超过0.5。展开更多
针对图像底层特征特别是纹理特征对提取感兴趣区域(region of interest,ROI)影响程度的问题,利用眼动实验数据得到图像的ROIeye和最佳权重w,提出了一个结合视觉注意和纹理特征提取的ROI算法.该算法首先提取纹理特征并归一化特征关注图,...针对图像底层特征特别是纹理特征对提取感兴趣区域(region of interest,ROI)影响程度的问题,利用眼动实验数据得到图像的ROIeye和最佳权重w,提出了一个结合视觉注意和纹理特征提取的ROI算法.该算法首先提取纹理特征并归一化特征关注图,然后计算图像在w下的显著图,通过二值化和形态学操作提取图像的特征ROI.采用相关性分析,分析纹理特征对ROI提取的影响.实验结果表明该算法的总体效果良好,特别是对于目标对象纹理信息较丰富的图像,能准确地提取图中ROI.展开更多
基于时延约束的影响力最大化问题(influence maximization with time-delay constraint,IMTC)定义为在时延约束条件下,选取网络中一部分初始用户,使得影响力传播过程结束后网络中被成功影响的用户数量最多.现有研究工作主要依据网络结...基于时延约束的影响力最大化问题(influence maximization with time-delay constraint,IMTC)定义为在时延约束条件下,选取网络中一部分初始用户,使得影响力传播过程结束后网络中被成功影响的用户数量最多.现有研究工作主要依据网络结构优化影响力传播模型,或改进启发式算法提高初始节点的选取质量,影响力传播过程中的时间延迟特性及时延约束条件往往被忽略.针对这点不足,基于时延约束的信用分布模型(credit distribution with time-delay constraint model,CDTC)综合考虑见面概率和条件激活概率对信用分配进行优化定义,同时将相邻节点之间不断见面并激活对信用分配的阻碍作用映射到传播增量路径中,最后根据信用分布函数,使用基于时延约束的贪心算法GA-TC,递归选取边际收益最大的节点组成初始节点集合.实验结果表明:在CDTC模型上使用GA-TC算法不仅能够保证初始节点的选取质量,而且具有更高的执行效率及更好的行为执行预测能力.展开更多
文摘提出一个基于改进的Itti-Koch模型的感兴趣区域(Region of interest,ROI)提取算法,同时针对图像亮度特征对ROI提取的影响问题,从2个方面进行分析研究:一是根据不同亮度权重下提取的ROI,分析亮度特征对ROI提取的影响程度;二是对眼动数据提取图像的ROI和基于改进的Itti-Koch模型提取的图像ROI进行区域评价,计算两者之间的点对点区域相似度和位置区域相似度。研究结果表明:当亮度特征和颜色特征同时影响图像ROI提取时,亮度特征所占权重不宜超过0.5。
文摘针对图像底层特征特别是纹理特征对提取感兴趣区域(region of interest,ROI)影响程度的问题,利用眼动实验数据得到图像的ROIeye和最佳权重w,提出了一个结合视觉注意和纹理特征提取的ROI算法.该算法首先提取纹理特征并归一化特征关注图,然后计算图像在w下的显著图,通过二值化和形态学操作提取图像的特征ROI.采用相关性分析,分析纹理特征对ROI提取的影响.实验结果表明该算法的总体效果良好,特别是对于目标对象纹理信息较丰富的图像,能准确地提取图中ROI.
文摘基于时延约束的影响力最大化问题(influence maximization with time-delay constraint,IMTC)定义为在时延约束条件下,选取网络中一部分初始用户,使得影响力传播过程结束后网络中被成功影响的用户数量最多.现有研究工作主要依据网络结构优化影响力传播模型,或改进启发式算法提高初始节点的选取质量,影响力传播过程中的时间延迟特性及时延约束条件往往被忽略.针对这点不足,基于时延约束的信用分布模型(credit distribution with time-delay constraint model,CDTC)综合考虑见面概率和条件激活概率对信用分配进行优化定义,同时将相邻节点之间不断见面并激活对信用分配的阻碍作用映射到传播增量路径中,最后根据信用分布函数,使用基于时延约束的贪心算法GA-TC,递归选取边际收益最大的节点组成初始节点集合.实验结果表明:在CDTC模型上使用GA-TC算法不仅能够保证初始节点的选取质量,而且具有更高的执行效率及更好的行为执行预测能力.