基于背景原型对比度的显著性物体检测

针对传统显著性模型在自然图像的显著性物体检测中存在的缺陷,提出了一种利用背景原型(background prototypes)进行对比的视觉关注模型,以实现显著性物体的检测与提取;传统显著性模型主要通过计算区域中心与四周区域差异性实现显著性检测,而自然场景中显著性区域和背景区域往往都存在较大差异,导致在复杂图像中难以获得理想检测效果;基于背景原型对比度的显著性物体检测方法在图像分割生成的超像素图基础上,选择距离图像中心较远的图像区域作为背景原型区域,通过计算图像中任意区域与这些背景原型区域的颜色对比度准确检测和提取图像中的显著性物体;实验结果表明,基于背景原型对比度的显著性模型可以更好地滤除杂乱背景,产生更稳定、准确的显著图,在准确率、召回率和F-measure等关键性能和直观视觉效果上均优于目前最先进的显著性模型,计算复杂度低,利于应用推广。

基于中心-对角对比度的显著性检测

针对图像显著性检测中广泛运用的中心-四周对比度方法存在的缺陷,提出了中心-对角对比度(corner-surround contrast,CSC)算法,实现从背景中有效提取显著区域;中心-四周对比度方法难以保证分割的准确性,容易导致错误的显著检测结果,并且仅使用中心-四周对比度对目标物体进行显著性编码并不十分有效;CSC算法在提取中心和周边区域差异性的同时,结合它们之间位置的相对性,并设计了一个多核信息融合模型,以不同权重融合多种对比度方法以产生最优显著图,最后用图分割算法来进行二元分割,获得准确的显著图;实验结果表明CSC算法能够有效捕捉显著物体的局部差异,提高显著性物体定位及分割精度的性能,减少噪声的影响,从背景中分离出精确的显著性区域,获得更优的显著性检测结果。

框架语义理论与大学英语词汇教学

建立在认知语言学基础上的框架语义学认为,概念结构为词在语言及言语中的存在和使用提供了背景和动因。针对大学英语词汇教学要求,通过分析框架语义理论中语义框架的建立、原型性背景框架、视角转换与句法框架等问题,帮助提高大学英语词汇教学的效果。

《枕中记》主角原型新探——兼论作者沈既济的政治背景

沈既济的《枕中记》被认为是唐代传奇的代表作之一,不少学者从政治史的角度来思考《枕中记》的现实寄寓。由于关注点的不同,对《枕中记》主角卢生原型的讨论产生了颇为分歧的解读。实际上,通过对沈既济政治背景的考察,我们发现沈既济一生的宦海浮沉都与他作为杨炎党人的身份密不可分,他创作《枕中记》的部分初衷或许是要塑造一个基本正面的形象来表达对杨炎的感恩之心和惋惜之情,这反而导致他笔下的卢生与真实的杨炎有着极大的差别。在卢生的身上,我们更多地看到了其他一些人的影子,他们的若干事迹在卢生的经历中分别占据了不同的位置,从而共同塑造了卢生这个十分丰富的形象。