【摘要】：針對(duì)目前基于先驗(yàn)背景的顯著度算法中,把圖像的所有邊界同等對(duì)待帶來(lái)的誤判別問(wèn)題,本文提出一種基于可區(qū)分邊界和加權(quán)對(duì)比度優(yōu)化的顯著度檢測(cè)算法.為了客觀評(píng)價(jià)顯著度,本文首先設(shè)計(jì)了一種粗略評(píng)估顯著度的指標(biāo),用來(lái)選擇較好的背景圖.以該指標(biāo)為基礎(chǔ),該算法先利用Hausdorff距離對(duì)邊界進(jìn)行區(qū)分,再利用測(cè)地線距離變換完成可靠的背景檢測(cè);然后,構(gòu)造了一種前景-背景加權(quán)的對(duì)比度來(lái)計(jì)算初始顯著度;最后,使用加權(quán)的優(yōu)化模型進(jìn)行顯著度的優(yōu)化.在5個(gè)公開(kāi)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文算法在保持快速、無(wú)訓(xùn)練等優(yōu)點(diǎn)的同時(shí),檢測(cè)性能優(yōu)于目前主流算法.
[Abstract]:In this paper, a salience detection algorithm based on differentiable boundary and weighted contrast optimization is proposed to deal with the misjudgment problem caused by treating all boundaries of image equally in the prior background saliency algorithm. In order to evaluate the salience objectively, this paper first designs a rough index to evaluate the saliency, which is used to select a better background image. Based on this index, the Hausdorff distance is used to distinguish the boundary, then the geodesic distance transformation is used to complete the reliable background detection, and then a foreground-background weighted contrast is constructed to calculate the initial salience. Finally, the weighted optimization model is used to optimize the saliency. The experimental results on five open datasets show that the proposed algorithm is superior to the current mainstream algorithm while maintaining the advantages of fast and no training.
【作者單位】： 中國(guó)人民解放軍理工大學(xué)通信工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金青年基金(No.61501509)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 凌堅(jiān);;“想到別人想不到的”——凸現(xiàn)新聞顯著度漫談[J];城市黨報(bào)研究;2003年02期

2 王宇新;任志森;賈棋;郭禾;;基于顯著度的非監(jiān)督摳像方法[J];計(jì)算機(jī)工程;2012年05期

3 袁紅星;吳少群;朱仁祥;安鵬;;融合對(duì)象性和視覺(jué)顯著度的單目圖像2D轉(zhuǎn)3D[J];中國(guó)圖象圖形學(xué)報(bào);2013年11期

4 凌堅(jiān);全力凸現(xiàn)新聞顯著度[J];傳媒觀察;2003年02期

5 蘇娜;張志強(qiáng);劉志輝;;基于鏈接分析的圖林博客顯著度分析[J];情報(bào)資料工作;2010年01期

6 金巨波;張莉;;視覺(jué)信息的稀疏表示與顯著度檢測(cè)方法[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào);2014年01期

7 韓彪;楊衛(wèi)英;鄭玉婷;;基于圖像稀疏表示視覺(jué)顯著度計(jì)算的自適應(yīng)尺度調(diào)整方法[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

8 趙健;徐江斌;吳玲達(dá);;基于網(wǎng)格顯著度的視點(diǎn)質(zhì)量計(jì)算方法[J];計(jì)算機(jī)應(yīng)用研究;2009年09期

9 曾鵬;許平;;基于視覺(jué)顯著度的H.264冗余片編碼技術(shù)[J];江漢大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

10 徐兵;李振德;;一種改進(jìn)的圖像視覺(jué)顯著性檢測(cè)算法[J];廣東海洋大學(xué)學(xué)報(bào);2013年06期

相關(guān)會(huì)議論文 前2條

1 葉強(qiáng);李一軍;;基于支持度-顯著度的關(guān)聯(lián)規(guī)則分類方法研究[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進(jìn)展——第8屆全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

2 曹躍香;;現(xiàn)代漢語(yǔ)“V+子”式詞的指稱類別的認(rèn)知解釋[A];江西省語(yǔ)言學(xué)會(huì)2009年年會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前3條

1 賴重遠(yuǎn);形狀部分的視覺(jué)顯著度與形狀編碼[D];華中科技大學(xué);2013年

2 田明輝;視覺(jué)注意機(jī)制建模及其應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

3 石艷嬌;基于高階特征和顯著性的視頻異常事件檢測(cè)研究及其應(yīng)用[D];東北師范大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 葉圓怡;企業(yè)禮品的品牌標(biāo)識(shí)顯著度和品牌標(biāo)識(shí)喜好度[D];浙江大學(xué);2016年

2 蘇磊磊;基于小區(qū)域的圖像顯著度提取及應(yīng)用研究[D];山東師范大學(xué);2015年

3 崔小強(qiáng);基于時(shí)空線索的快速視頻顯著度檢測(cè)[D];大連理工大學(xué);2014年

4 韓瑞峰;內(nèi)容敏感的圖形圖像顯著度檢測(cè)算法研究及其應(yīng)用[D];浙江工業(yè)大學(xué);2012年

5 孫晶;基于貝葉斯模型的圖像顯著度檢測(cè)[D];大連理工大學(xué);2013年

6 任志森;基于顯著度摳像的圖像檢索研究與實(shí)現(xiàn)[D];大連理工大學(xué);2011年

7 許慧娟;基于數(shù)學(xué)形態(tài)學(xué)的骨架層次性分解及顯著度計(jì)算與研究[D];華中科技大學(xué);2010年

8 王君樂(lè);視覺(jué)注意機(jī)制相關(guān)研究及其中視覺(jué)顯著度與重要度間關(guān)系的量化分析[D];華南理工大學(xué);2010年

9 蔡希苑;試析“價(jià)元轉(zhuǎn)換”在翻譯中的應(yīng)用[D];南京大學(xué);2015年

10 張俊杰;基于和諧泛音檢測(cè)的主旋律提取技術(shù)[D];上海交通大學(xué);2007年

，

本文編號(hào)：2408658