本文關(guān)鍵詞：惰性隨機(jī)游走視覺(jué)顯著性檢測(cè)算法　出處：《中國(guó)圖象圖形學(xué)報(bào)》2016年09期 　論文類型：期刊論文

  更多相關(guān)文章： 顯著性檢測(cè) 隨機(jī)游走 惰性隨機(jī)游走 往返時(shí)間

【摘要】：目的鑒于隨機(jī)游走過(guò)程對(duì)人類視覺(jué)注意力的良好描述能力,提出一種基于惰性隨機(jī)游走的視覺(jué)顯著性檢測(cè)算法。方法首先通過(guò)對(duì)背景超像素賦予較大的惰性因子,即以背景超像素作為惰性種子節(jié)點(diǎn),在由圖像超像素組成的無(wú)向圖上演化惰性隨機(jī)游走過(guò)程,獲得初始顯著性圖;然后利用空間位置先驗(yàn)及顏色對(duì)比度先驗(yàn)信息對(duì)初始顯著圖進(jìn)行修正;最終通過(guò)基于前景的惰性隨機(jī)游走產(chǎn)生魯棒的視覺(jué)顯著性檢測(cè)結(jié)果。結(jié)果為驗(yàn)證算法有效性,在MSRA-1000數(shù)據(jù)庫(kù)上進(jìn)行了仿真實(shí)驗(yàn),并與主流相關(guān)算法進(jìn)行了定性與定量比較。本文算法的Receiver ROC(operating characteristic)曲線及F值均高于其他相關(guān)算法。結(jié)論與傳統(tǒng)基于隨機(jī)過(guò)程的顯著性檢測(cè)算法相比,普通隨機(jī)游走過(guò)程無(wú)法保證收斂到穩(wěn)定狀態(tài),本文算法從理論上有效克服了該問(wèn)題,提高了算法的適用性;其次,本文算法通過(guò)利用視覺(jué)轉(zhuǎn)移的往返時(shí)間來(lái)刻畫顯著性差異,在生物視覺(jué)的模擬上更加合理貼切,與普通隨機(jī)游走過(guò)程采用的單向轉(zhuǎn)移時(shí)間相比,效果更加魯棒。
【作者單位】： 南昌航空大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61262050,61363049,61562062) 江西省自然科學(xué)基金項(xiàng)目(20151BAB211006)~~
【分類號(hào)】：TP391.41
【正文快照】： Vol.21,No.9,Sep.20160引言顯著性檢測(cè)是通過(guò)模擬人類視覺(jué)的觀察過(guò)程,幫助計(jì)算機(jī)或傳感器理解自然場(chǎng)景圖像的重要手段。隨著計(jì)算機(jī)智能的不斷發(fā)展以及媒體采集技術(shù)的廣泛應(yīng)用(如智慧城市、安全監(jiān)控等),如何快速有效地理解一幅圖像或視頻已成為一個(gè)重要的研究課題。一個(gè)有效的，

本文編號(hào)：1331572