贝叶斯融合多核学习的图像显著性检测

摘要：

针对当前图像显著性检测算法存在的检测不准确和边缘不清晰问题,提出基于改进的贝叶斯公式融合算法.采用compactness先验得到初级显著图,并以初级显著图作为训练样本,采用多核学习方式得到次级显著图,而后基于贝叶斯公式以一定的比例融合初级和次级显著图,最终获得精确的显著性检测图.实验结果表明,算法在2个公开数据集上进行检测时,所得结果能够有效地突出目标物体,去除边缘模糊的现象,且实验结果在3个数据指标(精确度、召回率和F-measure值)方面均优于其他8种算法,算法运行速度较快,实验结果也更为精确.

关键词：图像处理、贝叶斯公式融合、显著性检测、compactness先验、初级显著图、多核学习、次级显著图

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：天津市科技计划16JCTPJC50600

在线出版日期：2019-09-25（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：90-97