本文關(guān)鍵詞： 顯著性檢測(cè) 背景模板 傳播機(jī)制 空間先驗(yàn)　出處：《自動(dòng)化學(xué)報(bào)》2017年10期 　論文類型：期刊論文

【摘要】：目前,顯著性檢測(cè)已成為國(guó)內(nèi)外計(jì)算機(jī)視覺(jué)領(lǐng)域研究的一個(gè)熱點(diǎn),但現(xiàn)有的顯著性檢測(cè)算法大多無(wú)法有效檢測(cè)出位于圖像邊緣的顯著性物體.針對(duì)這一問(wèn)題,本文提出了基于自適應(yīng)背景模板與空間先驗(yàn)的顯著性物體檢測(cè)方法,共包含三個(gè)步驟:第一,根據(jù)顯著性物體在顏色空間上具有稀有性,獲取基于自適應(yīng)背景模板的顯著圖.將圖像分割為超像素塊,提取原圖的四周邊界作為原始背景區(qū)域.利用設(shè)計(jì)的自適應(yīng)背景選擇策略移除原始背景區(qū)域中顯著的超像素塊,獲取自適應(yīng)背景模板.通過(guò)計(jì)算每個(gè)超像素塊與自適應(yīng)背景模板的相異度獲取基于自適應(yīng)背景模板的顯著圖.并采用基于K-means的傳播機(jī)制對(duì)獲取的顯著圖進(jìn)行一致性優(yōu)化;第二,根據(jù)顯著性物體在空間分布上具有聚集性,利用基于目標(biāo)中心優(yōu)先與背景模板抑制的空間先驗(yàn)方法獲得空間先驗(yàn)顯著圖.第三,將獲得的兩種顯著圖進(jìn)行融合得到最終的顯著圖.在公開(kāi)數(shù)據(jù)集MSRA-1000、SOD、ECSSD和新建復(fù)雜數(shù)據(jù)集CBD上進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果證明本文方法能夠準(zhǔn)確有效地檢測(cè)出圖像中的顯著性物體.
[Abstract]:At present, salience detection has become a hot topic in the field of computer vision at home and abroad, but most of the existing salience detection algorithms can not effectively detect salient objects at the edge of images. In this paper, a significant object detection method based on adaptive background template and spatial priori is proposed. It consists of three steps: first, according to the rarity of salient object in color space, A salient image based on adaptive background template is obtained. The image is divided into super-pixel blocks, and the edges of the original image are extracted as the original background area. The proposed adaptive background selection strategy is used to remove the significant super-pixel blocks in the original background region. The adaptive background template is obtained. The saliency map based on adaptive background template is obtained by calculating the difference between each super-pixel block and the adaptive background template. The K-means based propagation mechanism is used to optimize the coherence of the obtained salient image. According to the clustering of salient objects in spatial distribution, a spatial priori map is obtained by using a spatial priori method based on target center priority and background template suppression. Finally, the final salience map is obtained by fusion of the two salient maps. The experimental results on the open data set MSRA-1000 SOD ECSSD and the newly built complex dataset CBD show that the proposed method can accurately and effectively detect the salient objects in the image.
【作者單位】： 南京航空航天大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;軟件新技術(shù)與產(chǎn)業(yè)化協(xié)同創(chuàng)新中心;江蘇省委黨校;
【基金】：中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(NS2015092)資助~~
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 霍煒;劉大維;嚴(yán)天一;王江濤;陳秉聰;;基于自適應(yīng)背景抽取的車輛外形參數(shù)識(shí)別[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

2 徐東彬;劉昌平;黃磊;;基于概率統(tǒng)計(jì)自適應(yīng)背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J];中國(guó)圖象圖形學(xué)報(bào);2008年02期

3 李騫;王洋;;自適應(yīng)背景模型獲取更新算法分析與比較[J];商丘師范學(xué)院學(xué)報(bào);2011年09期

4 劉騰飛;許四祥;馮在東;孫杰;;基于自適應(yīng)背景預(yù)測(cè)的鎂熔液第一氣泡檢測(cè)算法[J];特種鑄造及有色合金;2012年01期

5 王宇翔;韓振鐸;王宏敏;臧傳吉;;一種基于自適應(yīng)背景預(yù)測(cè)的紅外弱小目標(biāo)檢測(cè)方法[J];激光與紅外;2012年10期

6 劉勃;魏銘旭;周荷琴;;一種基于區(qū)間分布的自適應(yīng)背景提取算法[J];模式識(shí)別與人工智能;2005年03期

7 周嘉偉;;自適應(yīng)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)[J];長(zhǎng)春大學(xué)學(xué)報(bào);2006年04期

8 李平;丁雪楓;;自適應(yīng)背景恢復(fù)差減算法[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

9 胡煒煒;李樹(shù)廣;吳舟舟;;序列圖像的自適應(yīng)背景提取及車型分類[J];計(jì)算機(jī)工程與應(yīng)用;2007年12期

10 李苗;劉衛(wèi)寧;孫棣華;;一種適于公交乘客計(jì)數(shù)的自適應(yīng)背景更新算法[J];計(jì)算機(jī)工程與應(yīng)用;2006年36期

相關(guān)會(huì)議論文 前2條

1 劉勇;岳冰;胡致強(qiáng);張忠;丁樹(shù)春;朱勇;丁群;;一種用于車輛檢測(cè)的自適應(yīng)背景更新算法[A];2011下一代自動(dòng)測(cè)試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

2 余農(nóng);吳常泳;湯心溢;李范鳴;;紅外自動(dòng)目標(biāo)識(shí)別技術(shù)研究——自適應(yīng)背景估計(jì)[A];大珩先生九十華誕文集暨中國(guó)光學(xué)學(xué)會(huì)2004年學(xué)術(shù)大會(huì)論文集[C];2004年

相關(guān)碩士學(xué)位論文 前2條

1 李新縣;復(fù)雜背景下的目標(biāo)檢測(cè)和跟蹤[D];合肥工業(yè)大學(xué);2015年

2 張良春;基于視頻的高速公路事件檢測(cè)[D];中南大學(xué);2008年

，

本文編號(hào)：1524614