-
题名基于复合先验知识的显著性目标检测方法
被引量：8
- 1
-
-
作者
崔丽群
杨振忠
段天龙
李文庆
-
机构
辽宁工程技术大学软件学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2020年第10期188-195,共8页
-
基金
国家自然科学基金(61172144)
辽宁省教育厅基金(L2012113)。
-
文摘
针对已有显著性目标检测在单一先验知识下生成的显著图存在背景抑制不彻底、孤立背景块干扰及前景区域缺失的问题,提出复合先验的显著性目标检测方法。先利用超像素分割算法提取边缘超像素,构建初选背景集,根据边界和四个角落显著性均值优化背景集;针对背景超像素渐变性不强的特点,提出特征差异法;再构建粗略包围前景区域的凸包,将其质心位置设为中心位置;最后将三种先验显著图自适应权重融合,获得最终显著图。利用所提方法对MSRA和ESSCD数据集中的图像进行实验,结果表明,所提方法融合三种先验知识能够解决提出的问题,在抑制背景的同时,又能获得前景区域完整度较高的显著图。
-
关键词
图像处理
显著性目标检测
背景先验
前景先验
中心先验
-
Keywords
image processing
saliency target detection
background prior
foreground prior
center prior
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名改进背景先验和前景先验的显著性检测
被引量：7
- 2
-
-
作者
唐立婷
段先华
鲁文超
-
机构
江苏科技大学计算机学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第1期178-184,共7页
-
基金
国家自然科学基金项目(61772244)资助
江苏省研究生科研与实践创新计划项目(KYCX18_2331)资助。
-
文摘
针对传统的流行排序显著性检测算法存在的问题,本文提出了改进背景先验和前景先验的显著性检测.首先计算图像的凸包,并将图像分割成不同尺度的超像素;然后以凸包区域之外的超像素为背景种子,结合多尺度下图像的多种底层特征得到最终的背景显著图;第三,以凸包区域之内的超像素为前景种子,结合多尺度下图像的多种底层特征得到最终的前景显著图;第四,融合最终的背景显著图和最终的前景显著图得到弱显著图,通过多核增强(MKB)算法对由弱显著图生成的训练样本进行强分类,生成强显著图;最后综合强弱显著图,得到最终的显著图.通过在MSRA1000,PASCAL和ECSSD数据集上与其他13种算法进行对比,验证了本文算法在显著目标检测的准确性方面更具优势.
-
关键词
凸包
超像素
流形排序
背景先验
前景先验
-
Keywords
convex hull
superpixels
manifold ranking
background prior
foreground prior
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名结合背景和前景先验的显著性检测
被引量：4
- 3
-
-
作者
姚钊健
谭台哲
-
机构
广东工业大学计算机学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2017年第10期1381-1391,共11页
-
文摘
目的显著性检测已成为图像处理过程中的一个重要步骤,已被应用到许多计算机视觉任务中。虽然显著性检测已被研究多年并取得了较大的进展,但仍存在一些不足,例如在复杂场景中的检测不准确或检测结果夹带着背景噪声等。因此,针对已有图像显著性检测方法存在的不能有效抑制背景区域,或不能清晰突显出完整的目标区域的缺点,提出一种结合背景先验和前景先验信息的图像显著性检测算法。方法首先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。结果利用本文算法对MSRA10K数据库内图像进行显著性检测,并与主流的算法进行对比。本文算法的检测效果更接近人工标注,而且精确率和效率都优于所对比的算法,其中平均精确率为87.9%,平均召回率为79.17%,F值为0.852 6,平均绝对误差(MAE)值为0.113,以及平均运行时间为0.723 s。结论本文提出了一种结合两类先验信息的显著性检测算法,检测结果既能够有效地抑制背景区域,又能清晰地突显目标区域,从而提高了检测的准确性。
-
关键词
显著性检测
背景先验
凸包
前景先验
显著图
-
Keywords
saliency detection
background prior
convex hull
foreground prior
saliency map
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于被包围状态和马尔可夫模型的显著性检测
被引量：3
- 4
-
-
作者
陈炳才
王西宝
余超
年梅
陶鑫
潘伟民
卢志茂
-
机构
大连理工大学电子信息与电气工程学部
新疆师范大学计算机科学技术学院
-
出处
《计算机科学》
CSCD
北大核心
2018年第10期272-275,312,共5页
-
基金
国家自然科学基金项目(61771089)
新疆师范大学校级重点学科招标课题(17SDKD1201)资助
-
文摘
针对图像显著性检测问题,提出一种利用被包围状态和马尔可夫模型进行图像显著性检测的方法。首先,利用被包围状态计算显著性物体的大致区域;其次,使用简单线性迭代聚类(SLIC)算法对原始图像进行处理,得到图像的超像素图,并基于超像素图建立图像的图模型;接着,将距离显著性物体大致区域最远的两条边界的超像素作为虚拟背景吸收节点,利用吸收马尔可夫链计算每个超像素的显著性值,检测出初始的显著图S_1;再以计算出的显著性物体大致区域中的超像素作为虚拟前景吸收节点,利用吸收马尔可夫链检测出初始的显著性图S_2;然后,融合S_1和S_2得到最终的显著图S;最后,利用引导滤波器对显著图S进行平滑处理得到更优的显著图。在两个数据库上的实验结果表明,提出的算法优于现有大多数算法。
-
关键词
显著物体检测
马尔可夫模型
被包围状态
背景先验
前景先验
-
Keywords
Saliency object detection
Markov model
Surroundedness
Background prior
foreground prior
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名结合前景先验和背景先验的显著性检测
被引量：2
- 5
-
-
作者
陈宇
关可
-
机构
长安大学信息工程学院
-
出处
《电子设计工程》
2020年第9期154-157,166,共5页
-
文摘
由于马尔可夫吸收链的显著性检测算法的先验信息过于简略使得检测得出的显著图片面且笼统,针对上述问题,本文推陈出新了一种新的算法做显著性检测,它结合了凸包先验和马尔可夫吸收链,从而可优化最终结果中的图像信息。将MSRA1000库中数据以本文算法检测,并将结果与其他算法比较。本文算法的检测效果比马尔可夫吸收链算法更加优良,既能有效减少背景区域中的噪声,它还可以突出图像中的突出目标,从而使最终显著图更加接近于真值图。本文算法具有良好的查准率、查全率、F值水平,其MAE值高达0.95。
-
关键词
显著性检测
马尔可夫吸收链
凸包
背景先验
前景先验
显著图
-
Keywords
saliency detection
markov absorving chain
convex hull
background prior
foreground prior
saliency map
-
分类号
TN919.8
[电子电信—通信与信息系统]
-
-
题名融合前景先验和背景先验的显著性目标检测
被引量：2
- 6
-
-
作者
杨慧婷
-
机构
四川大学计算机学院
-
出处
《现代计算机》
2019年第5期70-74,共5页
-
文摘
现如今显著性目标检测得到越来越多学者的关注,同时已经成为许多计算机视觉任务中的重要使用工具。提出一种基于前景先验和背景先验结合的显著性目标检测框架。首先,从一幅图像中提取一系列的有效前景种子点和背景种子点,然后分别用于显著图计算。其次,将依靠于前景种子点和背景种子点各自生成的显著图结合。最后,利用测地线距离对显著区域进行进一步的增强。提供一种优选种子点的方式,从而得到更加稳定的种子点,在提高显著性精度方面有比较大的作用。
-
关键词
显著性检测
前景先验
背景先验
测地线距离
-
Keywords
Saliency Object Detection
foreground prior
Background prior
Geodesic Distance
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名融合彩色信息和深度信息的GrabCut图像分割
被引量：1
- 7
-
-
作者
凌滨
郭也
赵永辉
李超
-
机构
东北林业大学机电工程学院
-
出处
《计算机应用与软件》
北大核心
2020年第8期188-193,共6页
-
基金
国家自然科学基金项目(31700643)
中央高校基本科研业务费专项资金项目(2572018BF15)。
-
文摘
图像分割是计算机视觉的重要组成部分,但大多数图像分割工作主要集中在二维图像的处理上,故结合深度信息和GrabCut算法提出一种新的分割方法。为了准确地分割出目标物体,利用物体深度信息的同时提出一种基于背景和前景先验的GrabCut图像分割方法。融入深度信息,选择深度特征结合流形排序算法来构造图模型;为了进一步突出目标对象,抑制背景区域,分别利用背景先验和前景先验,生成相应的显著图,将二者融合并进行优化得到最终待处理图像;以深度信息指导GrabCut算法进行精分割,得到分割结果。实验结果表明,该方法能够较为准确地分割出目标对象。
-
关键词
图像分割
深度信息
GrabCut算法
背景先验
前景先验
-
Keywords
Image segmentation
Depth information
GrabCut algorithm
Background prior
foreground prior
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名利用层次先验估计的显著性目标检测
被引量：20
- 8
-
-
作者
徐威
唐振民
-
机构
南京理工大学计算机科学与工程学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2015年第4期799-812,共14页
-
基金
国家自然科学基金(61473154)资助
-
文摘
有效的显著性目标检测在计算机视觉领域一直是具有挑战性的问题.本文首先对图像进行树滤波处理,采用Quick shift方法将其分解为超像素,再通过仿射传播聚类把超像素聚集为代表性的类.与以往方法不同,本文提出根据各类中拥有的超像素的类内和类间的空间离散程度及其位于图像边界的数目,自适应地估计先验背景,并提取条状背景区域;由目标性度量(Objectness measure)粗略地描述前景范围后,通过与各类之间的空间交互信息,估计先验前景;再经过连通区域优化前景与背景信息.最后,综合考虑各超像素与先验背景和前景在CIELab颜色空间的距离,并进行显著性中心加权,得到显著图.在MSRA-1000和复杂的SOD数据库上的实验结果表明,本文算法能准确、完整地检测出显著性目标,优于21种State-of-the-art算法,包括基于部分类似原理的方法.
-
关键词
显著性目标检测
层次估计
先验背景和前景
显著性中心加权
仿射传播聚类
-
Keywords
Salient ob ject detection
hierarchical estimation
background and foreground prior
salient center weighting
affinity propagation clustering
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
