基于背景学习的显著物体检测

发布时间：2017-11-24 13:29

  本文关键词：基于背景学习的显著物体检测

  更多相关文章： 显著物体检测 背景学习 背景先验 卷积神经网络 增强图模型优化

【摘要】：目的显著物体检测的目标是提取给定图像中最能吸引人注意的物体或区域,在物体识别、图像显示、物体分割、目标检测等诸多计算机视觉领域中都有广泛应用。已有的基于局部或者全局对比度的显著物体检测方法在处理内容复杂的图像时,容易造成检测失败,其主要原因可以总结为对比度参考区域设置的不合理。为提高显著物体检测的完整性,提出背景驱动的显著物体检测算法,在显著值估计和优化中充分利用背景先验。方法首先采用卷积神经网络学习图像的背景分布,然后从得到的背景图中分割出背景区域作为对比度计算参考区域来估计区域显著值。最后,为提高区域显著值的一致性,采用基于增强图模型的优化实现区域显著值的扩散,即在传统k-正则图局部连接的基础上,添加与虚拟节点之间的先验连接和背景区域节点之间的非局部连接,实现背景先验信息的嵌入。结果在公开的ASD、SED、SOD和THUS-10000数据库上进行实验验证,并与9种流行的算法进行对比。本文算法在4个数据库上的平均准确率、查全率、F-measure和MAE指标分别为0.873 6、0.795 2、0.844 1和0.112 2,均优于当前流行的算法。结论以背景区域作为对比度计算参考区域可以明显提高前景区域的显著值。卷积神经网络可以有效学习图像的背景分布并分割出背景区域。基于增强图模型的优化可以进一步实现显著值在前景和背景区域的扩散,提高区域显著值的一致性,并抑制背景区域的显著性响应。实验结果表明,本文算法能够准确、完整地检测图像的显著区域,适用于复杂图像的显著物体检测或物体分割应用。
【作者单位】： 中国科学技术大学自动化系;
【基金】：国家自然科学基金项目(61203256,61233003) 安徽省自然科学基金项目(1408085MF112)~~
【分类号】：TP391.41
【正文快照】： 论文引用格式:Xiang D,Hou S H,Wang Z L.Salient object detection based on background learning[J].Journal of Image and Graphics,2016, 21(12):1634-1643.[项导,侯赛辉,王子磊.基于背景学习的显著物体检测[J].中国图象图形学报,2016,21(12):1634-1643.] 0引言 人类视

【相似文献】

中国期刊全文数据库 前2条

1 谢毓湘,栾悉道,吴玲达,老松杨;一种基于解压的镜头探测方法[J];系统工程与电子技术;2003年08期

2 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 孙俊英;张养梅;张晓春;车慧正;占明锦;马千里;俞向明;;长江三角洲地区背景区域PM10质量浓度的变化特征[A];中国气象学会2006年年会“大气成分与气候、环境变化”分会场论文集[C];2006年

，

本文编号：1222436