基于多尺度下凸包改进的贝叶斯模型显著性检测算法

摘要：

针对传统基于贝叶斯的显著性检测算法存在的准确率不理想的问题,提出了一种基于多尺度凸包改进贝叶斯模型的显著性检测算法.该算法首先通过流行排序算法(MR)在CIELab颜色空间上对图像的前景进行提取,并将其作为先验图;其次通过高斯金字塔算法对图像进行降采样,得到3种不同尺度的图像(包括原图),结合经典的Har-ris算子检测不同尺度图像的角点,求三者的交集,得到更合理的凸包;然后利用颜色直方图结合凸包来计算观察似然概率;最后根据已有的先验图和似然概率,利用贝叶斯模型计算显著图,并进行优化处理得到最终的显著图.为了验证该算法的正确性和有效性,在公开数据集MSRA1000和ECSSD上进行仿真实验.结果表明,该算法不仅能够得到较好的视觉效果,而且召回率、准确率和F-measure等评价指标比传统算法有明显提升.

关键词：显著性检测、流形排序算法、凸包、贝叶斯模型、准确率-召回率曲线

所属期刊栏目：46

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目6177244;江苏省高校自然科学研究面上项目16KJB52009;江苏省研究生创新计划项目KYCX18_2331

在线出版日期：2019-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：295-300