一种基于图的流形排序的显著性目标检测改进方法
该文针对现有的基于图的流形排序的显著性目标检测方法中仅使用 k-正则图刻画各个节点的空间连接性的不足以及先验背景假设过于理想化的缺陷,提出一种改进的方法,旨在保持高查全率的同时,提高准确率。在构造图模型时,先采用仿射传播聚类将各超像素(节点)自适应地划分为不同的颜色类,在传统的k-正则图的基础上,将属于同一颜色类且空间上位于同一连通区域的各个节点也连接在一起;而在选取背景种子点时,根据边界连接性赋予位于图像边界的超像素不同的背景权重,采用图割方法筛选出真正的背景种子点;最后,采用经典的流形排序算法计算显著性。在常用的MSRA-1000和复杂的SOD数据库上同7种流行算法的4种量化评价指标的实验对比证明了所提改进算法的有效性和优越性。
显著性目标检测、改进的图模型、流形排序、边界连接性、连通区域
TP391.41(计算技术、计算机技术)
国家自然科学基金61473154资助课题Foundation Item:The National Natural Science Foundation of China 61473154
2015-11-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
2555-2563