APP下载

融合似物性前景对象与背景先验的图像显著性检测*

2018-10-08郭鹏飞刘万军

计算机工程与科学 2018年9期
关键词:特征区域检测

郭鹏飞,金 秋,刘万军

(辽宁工程技术大学软件学院,辽宁 葫芦岛 125105)

1 引言

人类视觉系统可以对不同场景基于视觉注意机制获取感兴趣区域。每幅图像中都包含一个或多个显著目标,显著性检测[1]则是模仿视觉注意机制获取图像中重要信息,以提高图像处理的效率与准确性。图像显著性检测在图像标注与检索[2]、目标识别[3]、图像自动剪裁[4]、图像压缩等领域均有广泛的应用,是计算机视觉研究的热点之一。

从视觉注意机制出发,显著性检测可分为自底向上的检测模型和自顶向下的检测模型[5]。自底向上模型主要是由颜色、纹理、边缘等底层特征数据驱动的显著检测过程。自顶向下模型不仅涵盖了自底向上模型的处理过程,还需要基于目标驱动来调整选择准则,过程更为复杂,因此基于数据驱动的自底向上模型应用较为广泛。随着显著性研究的发展,显著检测模型从处理单元的选择上可分为基于像素点的显著性检测模型和基于对象的显著性检测模型。早期的显著性检测模型多为基于像素点的显著检测。如Itti等人[6]提出一种基于生物学启发的视觉注意机制模型,使用中心-周边算子,在高斯金字塔结构中计算各尺度的底层特征并实现跨尺度对比计算显著性。Ma等人[7]使用局部对比度差值计算显著图,并利用模糊增长的方式确定显著区域。Zhai等人[8]提出使用全局对比度改善局部对比度存在的显著区域不连续情况,利用特征直方图对像素点进行分类,再使用距离公式计算显著性。……

登录APP查看全文

猜你喜欢

特征区域检测
如何表达“特征”
不忠诚的四个特征
小波变换在PCB缺陷检测中的应用
关于四色猜想
分区域
基于严重区域的多PCC点暂降频次估计
线性代数的应用特征
区域