本文關(guān)鍵詞：基于背景學(xué)習(xí)的顯著物體檢測

  更多相關(guān)文章： 顯著物體檢測 背景學(xué)習(xí) 背景先驗 卷積神經(jīng)網(wǎng)絡(luò) 增強圖模型優(yōu)化

【摘要】：目的顯著物體檢測的目標(biāo)是提取給定圖像中最能吸引人注意的物體或區(qū)域,在物體識別、圖像顯示、物體分割、目標(biāo)檢測等諸多計算機視覺領(lǐng)域中都有廣泛應(yīng)用。已有的基于局部或者全局對比度的顯著物體檢測方法在處理內(nèi)容復(fù)雜的圖像時,容易造成檢測失敗,其主要原因可以總結(jié)為對比度參考區(qū)域設(shè)置的不合理。為提高顯著物體檢測的完整性,提出背景驅(qū)動的顯著物體檢測算法,在顯著值估計和優(yōu)化中充分利用背景先驗。方法首先采用卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)圖像的背景分布,然后從得到的背景圖中分割出背景區(qū)域作為對比度計算參考區(qū)域來估計區(qū)域顯著值。最后,為提高區(qū)域顯著值的一致性,采用基于增強圖模型的優(yōu)化實現(xiàn)區(qū)域顯著值的擴散,即在傳統(tǒng)k-正則圖局部連接的基礎(chǔ)上,添加與虛擬節(jié)點之間的先驗連接和背景區(qū)域節(jié)點之間的非局部連接,實現(xiàn)背景先驗信息的嵌入。結(jié)果在公開的ASD、SED、SOD和THUS-10000數(shù)據(jù)庫上進(jìn)行實驗驗證,并與9種流行的算法進(jìn)行對比。本文算法在4個數(shù)據(jù)庫上的平均準(zhǔn)確率、查全率、F-measure和MAE指標(biāo)分別為0.873 6、0.795 2、0.844 1和0.112 2,均優(yōu)于當(dāng)前流行的算法。結(jié)論以背景區(qū)域作為對比度計算參考區(qū)域可以明顯提高前景區(qū)域的顯著值。卷積神經(jīng)網(wǎng)絡(luò)可以有效學(xué)習(xí)圖像的背景分布并分割出背景區(qū)域�；谠鰪妶D模型的優(yōu)化可以進(jìn)一步實現(xiàn)顯著值在前景和背景區(qū)域的擴散,提高區(qū)域顯著值的一致性,并抑制背景區(qū)域的顯著性響應(yīng)。實驗結(jié)果表明,本文算法能夠準(zhǔn)確、完整地檢測圖像的顯著區(qū)域,適用于復(fù)雜圖像的顯著物體檢測或物體分割應(yīng)用。
【作者單位】： 中國科學(xué)技術(shù)大學(xué)自動化系;
【基金】：國家自然科學(xué)基金項目(61203256,61233003) 安徽省自然科學(xué)基金項目(1408085MF112)~~
【分類號】：TP391.41
【正文快照】： 論文引用格式:Xiang D,Hou S H,Wang Z L.Salient object detection based on background learning[J].Journal of Image and Graphics,2016, 21(12):1634-1643.[項導(dǎo),侯賽輝,王子磊.基于背景學(xué)習(xí)的顯著物體檢測[J].中國圖象圖形學(xué)報,2016,21(12):1634-1643.] 0引言 人類視

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 謝毓湘,欒悉道,吳玲達(dá),老松楊;一種基于解壓的鏡頭探測方法[J];系統(tǒng)工程與電子技術(shù);2003年08期

2 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 孫俊英;張養(yǎng)梅;張曉春;車慧正;占明錦;馬千里;俞向明;;長江三角洲地區(qū)背景區(qū)域PM10質(zhì)量濃度的變化特征[A];中國氣象學(xué)會2006年年會“大氣成分與氣候、環(huán)境變化”分會場論文集[C];2006年

，

本文編號：1222436