基于鲁棒前景选择的显著性检测

摘要：

显著性检测是指自动提取未知场景中符合人类视觉习惯的兴趣目标的方法.为了进一步提高检测的准确性,该文提出了利用鲁棒前景种子的流形排序进行显著性检测的算法.首先利用角点检测和边缘连接算法得到两个不同的凸包,用它们的交集初步确立目标区域的大致位置;然后利用凸包外边缘作为标准对凸包内的超像素进行相似度检测,将与大部分外边缘相似的超像素去除,得到更准确的目标样本作为前景种子;利用锚点图构建新的图结构表示数据节点之间的关系;接着通过基于前景和背景种子的流形排序算法对图像所有区域进行排序,并得到两种不同的显著性检测图;最后借助代价函数对显著性图进行优化,得到最终的显著性检测结果.经实验表明,与几种经典算法对比,该文方法可以进一步提高显著性算法的精确度和召回率.

关键词：显著性检测、凸包、锚点图、流形排序

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61379104 The National Natural Science Foundation of China 61379104

在线出版日期：2017-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2644-2651