本文關(guān)鍵詞： 顯著性檢測(cè) 凸包 錨點(diǎn)圖 流形排序　出處：《電子與信息學(xué)報(bào)》2017年11期 　論文類(lèi)型：期刊論文

【摘要】：顯著性檢測(cè)是指自動(dòng)提取未知場(chǎng)景中符合人類(lèi)視覺(jué)習(xí)慣的興趣目標(biāo)的方法。為了進(jìn)一步提高檢測(cè)的準(zhǔn)確性,該文提出了利用魯棒前景種子的流形排序進(jìn)行顯著性檢測(cè)的算法。首先利用角點(diǎn)檢測(cè)和邊緣連接算法得到兩個(gè)不同的凸包,用它們的交集初步確立目標(biāo)區(qū)域的大致位置;然后利用凸包外邊緣作為標(biāo)準(zhǔn)對(duì)凸包內(nèi)的超像素進(jìn)行相似度檢測(cè),將與大部分外邊緣相似的超像素去除,得到更準(zhǔn)確的目標(biāo)樣本作為前景種子;利用錨點(diǎn)圖構(gòu)建新的圖結(jié)構(gòu)表示數(shù)據(jù)節(jié)點(diǎn)之間的關(guān)系;接著通過(guò)基于前景和背景種子的流形排序算法對(duì)圖像所有區(qū)域進(jìn)行排序,并得到兩種不同的顯著性檢測(cè)圖;最后借助代價(jià)函數(shù)對(duì)顯著性圖進(jìn)行優(yōu)化,得到最終的顯著性檢測(cè)結(jié)果。經(jīng)實(shí)驗(yàn)表明,與幾種經(jīng)典算法對(duì)比,該文方法可以進(jìn)一步提高顯著性算法的精確度和召回率。
[Abstract]:Saliency detection refers to the automatic extraction method in line with the human visual habits in the unknown target in the scene. In order to further improve the detection accuracy of proposed saliency detection algorithm using robust foreground seed manifold ranking. Firstly by corner detection and edge linking algorithm to obtain two different hull, preliminary establishment the approximate location of the target area by their intersection; then the outer edge of the convex hull as a standard within the convex hull super pixel similarity detection, will be similar to most of the outer edges of the super pixel removal, get more accurate target samples as seed; using anchor graph construction graph structure of new relational data between nodes; then through the manifold ranking algorithm based on foreground and background seeds for all areas of the image are sorted, and get two significantly different after the detection map; The saliency map is optimized by cost function, and the final saliency detection result is obtained. Experiments show that compared with several classical algorithms, this method can further improve the accuracy and recall rate of saliency algorithm.

【作者單位】： 西北工業(yè)大學(xué)電子信息學(xué)院;空軍工程大學(xué)航空航天工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61379104)~~
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張向京;基于離散點(diǎn)構(gòu)建凸包算法的研究[J];測(cè)繪信息與工程;2000年04期

2 趙小林,陳朔鷹,劉然;一種在計(jì)算機(jī)上生成凸包的算法[J];計(jì)算技術(shù)與自動(dòng)化;2003年04期

3 余翔宇,孫洪,余志雄;改進(jìn)的二維點(diǎn)集凸包快速求取方法[J];武漢理工大學(xué)學(xué)報(bào);2005年10期

4 鄔長(zhǎng)安;王志平;;基于夾角的二維凸包改進(jìn)算法[J];信陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年04期

5 陳奇;陳慧;;旋轉(zhuǎn)坐標(biāo)系解凸包問(wèn)題的方法研究[J];中國(guó)新通信;2012年15期

6 楊勛年,汪國(guó)昭;三維凸包的快速算法[J];浙江大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年02期

7 任瓊英;如何求平面上一組點(diǎn)的凸包[J];電腦愛(ài)好者;2001年10期

8 李一波,劉敏,王慶軍,姬曉飛;基于分區(qū)和凸包的3維相貌復(fù)原[J];中國(guó)圖象圖形學(xué)報(bào);2005年07期

9 易巧玲;劉良方;;凸包算法的線性實(shí)現(xiàn)[J];中國(guó)科技信息;2011年08期

10 張飛;謝步瀛;閆星宇;劉政;;改進(jìn)的三維點(diǎn)集凸包求取算法[J];計(jì)算機(jī)輔助工程;2009年01期

相關(guān)會(huì)議論文 前4條

1 周曉方;金志權(quán);;尋找最佳分布式排序算法[A];第九屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(上)[C];1990年

2 劉春陽(yáng);葉君峰;母海龍;陸秋霞;陳滄;高鶯;;一種商品標(biāo)題主題詞的重要性排序算法[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

3 王少帥;湯慶新;姚路;;并行獨(dú)立集排序算法的改進(jìn)與實(shí)現(xiàn)[A];第十六屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上）[C];2011年

4 于芳;王大玲;于戈;陳冬玲;鮑玉斌;;面向用戶(hù)的排序算法研究[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 廣東 黃陀;基本算法簡(jiǎn)介（三）[N];電腦報(bào);2001年

相關(guān)博士學(xué)位論文 前2條

1 吳雪剛;凸包算法和最近子空間分析及其在人臉識(shí)別中的應(yīng)用[D];重慶大學(xué);2014年

2 趙立軍;基于歸并的高效排序算法的研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;1998年

相關(guān)碩士學(xué)位論文 前10條

1 馬遠(yuǎn)征;基于凸包算法的人臉識(shí)別方案[D];云南大學(xué);2016年

2 孟迪;點(diǎn)集圖形重建的算法研究[D];哈爾濱工業(yè)大學(xué);2016年

3 趙敬紅;優(yōu)化技術(shù)在人臉識(shí)別中的應(yīng)用[D];沈陽(yáng)航空航天大學(xué);2016年

4 毛鵬;快速凸包計(jì)算實(shí)現(xiàn)及其應(yīng)用[D];西安電子科技大學(xué);2013年

5 郝曉軍;凸包算法的加速與改進(jìn)研究[D];河北工業(yè)大學(xué);2003年

6 李志;快速三維凸包算法的研究與改進(jìn)[D];上海師范大學(xué);2011年

7 姜曉恒;基于凸包分析的實(shí)時(shí)指尖檢測(cè)系統(tǒng)[D];天津大學(xué);2013年

8 王遜揚(yáng);基于最小凸包理論的相機(jī)自動(dòng)標(biāo)定方法研究[D];沈陽(yáng)大學(xué);2016年

9 陳浩;基于圖理論的圖像搜索結(jié)果重排序的研究[D];安徽大學(xué);2016年

10 雙全;基于用戶(hù)行為分析的搜索排序算法研究[D];華中科技大學(xué);2014年

，

本文編號(hào)：1533499