基于结构标签学习的显著性目标检测

摘要：

提出了一种基于结构标签学习的显著性目标检测算法,将结构化学习方法应用到显著性目标检测中.首先从含有标记的图像中随机采集固定大小的矩形区域,并记录其结构标签；然后使用含结构标签的区域特征构建决策树集合；最后采用监督学习的方法对图像进行优化预测,得到最终的显著图.实验结果表明,本文方法能较准确地检测出图像库中图像的显著性区域,在数据库 MSRA5000和 BSD300的 AUC 值分别为0．8918、0．7052,说明本文方法具有较好的显著性检测效果.

关键词：显著目标检测、结构标签、决策树、监督学习

所属期刊栏目：31

分类号：TP391.4;TN911.73(计算技术、计算机技术)

资助基金：国家自然科学基金青年项目No．61502358 Supported by National Natural Science Foundation of China61502358

在线出版日期：2016-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：726-732