结合局部特征及全局特征的显著性检测

发布时间：2021-09-05 01:32

　　针对目前大多数显著性检测方法中采用背景种子以及局部区域对比度显著性检测模型的缺点,本文提出了一种综合考虑局部特征以及全局特征的显著性检测算法。在对图像进行分割之后,算法首先融合了采用多特征方式生成的背景显著图与采用前景区域对比度方式生成的前景显著图,之后使用高斯滤波器对融合后的结果进行优化形成局部特征显著图。其次,在局部特征显著图的基础上提取多种特征的样本集合进行训练,从而得到全局特征显著图。算法最后将第一步生成的局部特征显著图与全局特征显著图进行结合生成最终的显著图。实验部分验证了算法各部分的有效性,并且在3个公开数据集上对文章方法与近年来优秀的显著性检测算法进行了对比,实验结果显示,本文算法在CSSD数据集上的准确率、召回率以及F-measure分别达到了0.837 5、0.743 4和0.813 7,在其它数据集上也有良好表现。实验表明,本文算法能够有效抑制背景区域,并且高亮前景区域,更好地检测出显著目标。 

【文章来源】：光学精密工程. 2017,25(03)北大核心EICSCD

【文章页数】：7 页

【文章目录】：
1 引言
2 结合多尺度多特征的显著性检测
    2.1 多特征的背景显著图
    2.2 基于前景种子的显著图
    2.3 高斯滤波器优化
    2.4 多核分类器学习模型
3 实验结果及分析
4 结论


【参考文献】：
期刊论文
[1]采用脉冲耦合神经网络的改进显著性区域提取方法[J]. 贾松敏,徐涛,董政胤,李秀智.  光学精密工程. 2015(03)
[2]融合对比度和分布性的图像显著性区域检测[J]. 张颖颖,张帅,张萍,卢成.  光学精密工程. 2014(04)
[3]组合核函数支持向量机高光谱图像融合分类[J]. 高恒振,万建伟,粘永健,王力宝,徐湛.  光学精密工程. 2011(04)



本文编号：3384407