简介:不同的散斑场会显示出不同的灰度分布特征,并对数字图像相关方法的计算结果有着重要影响。使用计算机模拟生成一系列单向拉伸图像和双向拉伸图像,并在生成的图像中添加噪声,从而获得一系列含噪声单向拉伸图像和含噪声双向拉伸图像。使用数字图像相关方法对无噪声图像和含噪声图像分别进行相关计算,并分析研究图像应变量与相关计算结果正确率间的关系,研究结果表明发现当图像的应变量在一定范围内时,数字图像相关方法计算结果的正确率较高。同时发现,当图像的应变量较小时,噪声对相关计算结果的影响较大,随着图像应变量的增大,噪声对相关计算结果的影响逐渐减小,当图像的应变量到达一定程度时,噪声对相关计算的影响就不明显了。
简介:近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.