本文選題：顯著性檢測 + 凸包��； 參考：《計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)》2017年02期

【摘要】：針對目前顯著性檢測算法的準(zhǔn)確性仍不是很理想的問題,提出改進(jìn)已有的貝葉斯模型的顯著性檢測算法.首先利用圖像壓縮得到壓縮圖,結(jié)合經(jīng)典的Harris算子來對原圖和壓縮圖進(jìn)行角點(diǎn)檢測,利用角點(diǎn)得到兩種圖的最小凸包,將兩者求交集來得到更合理的改進(jìn)凸包;然后利用空間稀疏聚類算法結(jié)合改進(jìn)凸包和超像素來得到先驗(yàn)圖;再利用顏色直方圖結(jié)合凸包來計(jì)算觀察似然概率;最后根據(jù)已有的先驗(yàn)圖和似然概率結(jié)合貝葉斯模型來得到顯著性圖,通過優(yōu)化處理得到最終的顯著性檢測結(jié)果.在公開數(shù)據(jù)集MSRA和SED上進(jìn)行仿真實(shí)驗(yàn)的結(jié)果表明,該算法不僅能夠提高顯著度圖的視覺效果,而且查全率和查準(zhǔn)率,F-measure,MAE等評價(jià)指標(biāo)也比傳統(tǒng)算法有明顯提升.
[Abstract]:Aiming at the problem that the accuracy of the salience detection algorithm is still not ideal at present, a significance detection algorithm is proposed to improve the existing Bayesian model. Firstly, the compression graph is obtained by image compression, and the corner of the original graph and the compressed graph is detected by using the classical Harris operator. The minimum convex hull of the two graphs is obtained by using the corner point, and the intersection of the two graphs is obtained to obtain a more reasonable improved convex hull. Then, the priori graph is obtained by using spatial sparse clustering algorithm combined with improved convex hull and hyperpixel, and the observed likelihood probability is calculated by using color histogram and convex hull. Finally, according to the prior graph and likelihood probability combined with Bayesian model, the significance graph is obtained, and the final significance detection result is obtained by optimization processing. The simulation results on open datasets MSRA and SED show that the proposed algorithm can not only improve the visual effect of saliency map, but also improve the evaluation indexes such as recall rate and precision ratio and F-measurement mae.
【作者單位】： 上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院;上海師范大學(xué)信息與機(jī)電工程學(xué)院;上海交通大學(xué)電子信息與電氣工程學(xué)院;
【基金】：國家自然科學(xué)基金聯(lián)合項(xiàng)目(U1304616);國家自然科學(xué)基金青年項(xiàng)目(61502220);國家自然科學(xué)基金面上項(xiàng)目(61472245) 東方學(xué)者基金(15HJPY-MS02) 上海市自然科學(xué)基金(15ZR1428600)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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

2 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

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

4 牟廉明;;k子凸包分類方法[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

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

6 楊勛年,汪國昭;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2條

1 沈雪松;;窄邊距深凸包門類零件的加工工藝[A];第九屆機(jī)械加工技術(shù)學(xué)術(shù)年會(huì)論文集[C];2004年

2 吳芳;;錐臺形凸包的沖制加工[A];第九屆機(jī)械加工技術(shù)學(xué)術(shù)年會(huì)論文集[C];2004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別中的應(yīng)用[D];重慶大學(xué);2014年

2 Daoussa Daniel;完全交曲面陳示性數(shù)的凸包[D];華東師范大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 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];沈陽大學(xué);2016年

2 張慶軍;雷達(dá)連接器結(jié)構(gòu)仿真及優(yōu)化[D];電子科技大學(xué);2015年

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

4 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

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

6 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

7 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

8 鄭福玉;凸包型仿生表面設(shè)計(jì)及水砂磨損行為[D];吉林大學(xué);2006年

9 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

10 陳慶強(qiáng);凸包算法在街面堵控系統(tǒng)中的研究與應(yīng)用[D];東華大學(xué);2014年

，

本文編號：1814425