APP下载

基于流形排名与迟滞阈值法的视觉显著性检测

2014-09-23宋长军

电子设计工程 2014年3期
关键词:背景检测

宋长军

(渭南职业技术学院 陕西 渭南 714000)

基于流形排名与迟滞阈值法的视觉显著性检测

宋长军

(渭南职业技术学院 陕西 渭南 714000)

视觉显著性检测是机器视觉领域的关键技术之一。提出一种基于流形排名与迟滞阈值的检测方法,首先将图像划分成超像素集合,以之作为结点形成闭环图;再按照基于图的流形排名方法计算各个结点的显著值,形成图像的显著图;然后利用显著图直方图统计出高、低两个阈值,将显著图划分为三个部分,使用伽马校正技术分别进行处理,最终整合校正结果得到输出显著图。实验结果表明,相对于现有算法,本文算法得到的显著图能够更好地区分背景区域和显著目标,同时也更具稳健性。

视觉显著性;图像分割;流形排名;迟滞阈值法

近年来,视觉显著性检测引起了国内外学者广泛而持续的关注,这是由于它可以分割出图像中最有意义的目标区域,从而能够解决众多复杂的机器视觉问题,比如目标识别[1]、图像压缩[2]、图像检索等等[3]。现有的显著性检测算法大体上可划分为两大类:一类是高层任务驱动的自顶向下方法[4-5],另一类则属于底层数据驱动的自底向上方法[6-7]。算法的执行结果通常是只有前景目标与背景区域组成的二值图像,或者是给出一幅显著图用于指示各个像素属于目标的概率。

早期算法一般采用局部的中心、外周对比度方式来计算显著性。随后Gopalakrishnan et al.[8]将目标检测问题描述成一个图的标号过程,利用背景先验知识标号部分结点作为初始种子,然后推断其它未标号结点与该种子的相似度。……

登录APP查看全文

猜你喜欢

背景检测
“新四化”背景下汽车NVH的发展趋势
《论持久战》的写作背景
黑洞背景知识
晚清外语翻译人才培养的背景
小波变换在PCB缺陷检测中的应用
背景链接