本文選題：顯著性檢測　切入點：中心先驗　出處：《中國圖象圖形學(xué)報》2017年05期 　論文類型：期刊論文

【摘要】：目的現(xiàn)有的顯著性目標(biāo)檢測算法通�；趩我坏南闰炐畔�,導(dǎo)致提取的原圖像信息不全面,為了解決該問題,提出一種新的基于背景先驗與中心先驗相融合的顯著目標(biāo)檢測算法。方法該方法首先以邊緣超像素為吸收節(jié)點,利用馬爾可夫吸收鏈計算其他超像素的平均吸收時間作為背景先驗值,得到背景先驗圖;然后使用改進(jìn)Harris角點檢測估計目標(biāo)區(qū)域位置,建立峰值位于目標(biāo)中心的2維高斯函數(shù),計算各超像素的中心先驗值,獲取中心先驗圖;最后將背景先驗圖與中心先驗圖相融合得到顯著圖。同時該方法融合多尺度檢測結(jié)果,進(jìn)一步提高顯著值的準(zhǔn)確性。結(jié)果通過ASD、SED1、SED2和SOD 4個公開數(shù)據(jù)庫對比驗證了基于背景先驗與中心先驗相融合算法具有較高的查準(zhǔn)率、查全率和F-measure,相較于基于馬爾可夫吸收鏈算法均提高了3%以上,總體效果明顯優(yōu)于目前的10種主流算法。結(jié)論相較于基于單一先驗信息的算法,基于背景先驗與中心先驗相融合的算法充分利用了圖像信息,在突出全局對比的同時也保留了較多的局部信息,能高亮地凸顯圖像中的顯著性目標(biāo)。該方法在檢測單一目標(biāo)的圖片時效果顯著,但對于多目標(biāo)的顯著性檢測尚有不足。
[Abstract]:Objective the existing salient target detection algorithms are usually based on a single priori information, which leads to incomplete original image information, in order to solve this problem. A new significant target detection algorithm based on the fusion of background priori and central priori is proposed. Using Markov absorption chain to calculate the average absorption time of other super-pixels as background priori, background prior map is obtained, and then the improved Harris corner is used to detect and estimate the location of the target region, and a two-dimensional Gaussian function with peak value located in the center of the target is established. The center priori value of each superpixel is calculated, and the central priori graph is obtained. Finally, the background priori map is fused with the central priori graph to obtain the salient map. At the same time, the multi-scale detection results are fused by this method. Results the comparison of four open databases, ASD / SED1, SED2 and SOD, showed that the algorithm based on background prior and central prior fusion had high precision. Compared with the Markov absorption chain algorithm, the recall rate and F-measurement are improved by more than 3%, and the overall effect is obviously better than that of the current 10 mainstream algorithms. Conclusion compared with the algorithm based on a single prior information, The algorithm based on the fusion of background priori and central priori makes full use of the image information and keeps more local information while highlighting the global contrast. The method can highlight the salient target in the image. This method is effective in detecting the image of a single target, but it is still insufficient for the significant detection of multiple targets.
【作者單位】： 南通大學(xué)電氣工程學(xué)院;德島大學(xué)理工學(xué)研究部;
【基金】：江蘇省普通高校自然科學(xué)研究面上項目(16KJB520037) 國家自然科學(xué)基金項目(61602150) 江蘇省博士后科研資助計劃項目(1601013B) 南通大學(xué)研究生科研創(chuàng)新計劃項目(YKC15019)~~
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張小洪;李博;楊丹;;一種新的Harris多尺度角點檢測[J];電子與信息學(xué)報;2007年07期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周帥駿;任福繼;堵俊;楊賽;;融合背景先驗與中心先驗的顯著性目標(biāo)檢測[J];中國圖象圖形學(xué)報;2017年05期

2 宋建輝;張俊;劉硯菊;于洋;;基于LBP-PCA的多傳感器目標(biāo)識別算法[J];火力與指揮控制;2017年02期

3 張媛;周嘯虎;郭靜麗;高偉;;一種全自動的脊柱CT圖像分割算法研究[J];中國醫(yī)療設(shè)備;2016年12期

4 楊程;徐曉剛;王建國;;圖像配準(zhǔn)技術(shù)研究[J];計算機科學(xué);2016年S2期

5 袁健;程國濤;;一種抗噪的自然場景圖片預(yù)處理算法模型[J];小型微型計算機系統(tǒng);2016年09期

6 袁寧;楊林;劉偉;陳泉;陳文鋼;;棒狀交叉顆粒分離算法[J];科學(xué)技術(shù)與工程;2016年18期

7 趙萌;溫佩芝;鄧星;成龍;;一種參數(shù)自適應(yīng)的Harris角點檢測算法[J];桂林電子科技大學(xué)學(xué)報;2016年03期

8 齊鳳山;蔣廷耀;;基于Harris的二維碼圖像角點檢測方法改進(jìn)[J];軟件導(dǎo)刊;2016年05期

9 翁松露;張秋菊;吳靜靜;;基于方向可調(diào)濾波器的改進(jìn)Harris算子[J];包裝工程;2016年09期

10 陳莊;楊峰;馮欣;崔少國;李博;;多尺度積角點檢測和視覺顏色特征的魯棒車牌定位算法[J];重慶大學(xué)學(xué)報;2016年02期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 陳樂,呂文閣,丁少華;角點檢測技術(shù)研究進(jìn)展[J];自動化技術(shù)與應(yīng)用;2005年05期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 莊曉嬋;向平;趙牡丹;;圖像目標(biāo)檢測算法研究[J];科學(xué)技術(shù)與工程;2007年05期

2 張桂林，熊艷，曹偉，李強;一種評價自動目標(biāo)檢測算法性能的方法[J];華中理工大學(xué)學(xué)報(社會科學(xué)版);1994年05期

3 秦劍;陳錢;錢惟賢;;基于背景分類的弱小目標(biāo)檢測算法[J];光電工程;2011年01期

4 蔣建國;吳暉;齊美彬;張莉;;攝像機旋轉(zhuǎn)運動下的快速目標(biāo)檢測算法[J];圖學(xué)學(xué)報;2012年03期

5 逯鵬;張姍姍;劉馳;黃石磊;湯玉合;;基于稀疏超完備表示的目標(biāo)檢測算法[J];儀器儀表學(xué)報;2013年06期

6 李大輝;金濤;;弱小目標(biāo)檢測算法的設(shè)計與分析[J];中國科技信息;2013年16期

7 張明艷;許鋼;孟櫻;;基于時空特性的運動目標(biāo)檢測算法研究[J];安徽工程大學(xué)學(xué)報;2013年04期

8 高陳強;田金文;王鵬;;基于時域特性分析的紅外運動小目標(biāo)檢測算法[J];紅外與激光工程;2008年05期

9 曾脈;左志宏;常曉夫;何煊;;一種準(zhǔn)確而快速的運動目標(biāo)檢測算法[J];成都信息工程學(xué)院學(xué)報;2008年04期

10 孫瑾秋;張艷寧;姜磊;王敏;;基于變換域特征的星空背景弱小目標(biāo)檢測算法[J];中國體視學(xué)與圖像分析;2009年02期

相關(guān)會議論文 前10條

1 高飛;蔣建國;安紅新;齊美彬;;一種快速運動目標(biāo)檢測算法[A];全國第22屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會議論文摘要集[C];2011年

2 孫瑾秋;張艷寧;姜磊;王敏;;基于變換域特征的星空背景弱小目標(biāo)檢測算法[A];第八屆全國信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2009年

3 鄧宇;陳孝威;;綜合利用時空信息的運動目標(biāo)檢測算法[A];第二屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會議(NCMT'06)論文集[C];2006年

4 袁輝;孫卓;李德民;魏穎;;基于小波多尺度互能量交叉融合濾波的弱小目標(biāo)檢測算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

5 黃龔;鄭錦;劉養(yǎng)科;;攝像機水平巡掃時的運動目標(biāo)檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

6 張國華;;一種基于導(dǎo)引頭穩(wěn)定平臺結(jié)構(gòu)的目標(biāo)檢測算法[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

7 王正;劉瑞華;;基于PTZ攝像機的運動目標(biāo)檢測算法[A];全國第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

8 王彪;王成儒;王芬芬;;一種改進(jìn)的運動目標(biāo)檢測算法[A];計算機技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

9 劉琳;顧國華;錢惟賢;陳錢;徐富元;;目標(biāo)檢測算法的研究以及SRIO協(xié)議在目標(biāo)檢測的應(yīng)用[A];第八屆華東三省一市真空學(xué)術(shù)交流會論文集[C];2013年

10 陳炳文;王文偉;秦前清;劉志剛;;基于時空融合和粒子濾波的紅外弱小目標(biāo)檢測[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（上冊）[C];2010年

相關(guān)博士學(xué)位論文 前5條

1 王海豐;基于機器視覺的剖竹機加工目標(biāo)檢測算法研究[D];東北林業(yè)大學(xué);2015年

2 王俊強;圖像中人體目標(biāo)檢測算法研究[D];北京郵電大學(xué);2012年

3 郭明瑋;基于視覺記憶的目標(biāo)檢測算法：一個特征學(xué)習(xí)與特征聯(lián)想的過程[D];中國科學(xué)技術(shù)大學(xué);2014年

4 臧風(fēng)妮;智能視頻監(jiān)控中海面艦船目標(biāo)檢測算法研究[D];中國海洋大學(xué);2014年

5 陳偉;基于PSO的復(fù)雜工業(yè)環(huán)境視覺目標(biāo)檢測算法應(yīng)用研究[D];武漢科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉恒建;基于FPGA+DSP的運動目標(biāo)檢測系統(tǒng)的設(shè)計與實現(xiàn)[D];南京理工大學(xué);2015年

2 賈建英;視頻序列中運動目標(biāo)檢測算法研究[D];長安大學(xué);2015年

3 周亞運;基于TMS320DM642平臺的紅外運動目標(biāo)檢測算法設(shè)計[D];南京理工大學(xué);2015年

4 姚丹;基于多光譜信息融合的弱小運動目標(biāo)檢測技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 劉培培;基于區(qū)域特征的運動目標(biāo)檢測算法的研究與開發(fā)[D];廣西大學(xué);2015年

6 崔璇;天空背景下紅外小目標(biāo)檢測算法研究[D];陜西師范大學(xué);2015年

7 范肖肖;基于視覺注意機制的目標(biāo)檢測算法的研究[D];電子科技大學(xué);2015年

8 丁嬋;運動目標(biāo)檢測算法在嵌入式平臺的研究[D];電子科技大學(xué);2015年

9 張冠雄;基于標(biāo)簽傳播的顯著性目標(biāo)檢測算法研究[D];大連理工大學(xué);2015年

10 李建波;視頻監(jiān)控中運動目標(biāo)檢測算法的研究[D];哈爾濱工業(yè)大學(xué);2014年

，

本文編號：1577113