融合多特征与先验信息的显著性目标检测
目的 图像的显著性目标检测是计算机视觉领域的重要研究课题.针对现有显著性目标检测结果存在的纹理细节刻画不明显和边缘轮廓显示不完整的问题,提出一种融合多特征与先验信息的显著性目标检测方法,该方法能够高效而全面地获取图像中的显著性区域.方法 首先,提取图像感兴趣的点集,计算全局对比度图,利用贝叶斯方法融合凸包和全局对比度图获得对比度特征图.通过多尺度下的颜色直方图得到颜色空间图,根据信息熵定理计算最小信息熵,并将该尺度下的颜色空间图作为颜色特征图.通过反锐化掩模方法提高图像清晰度,利用局部二值算子(LBP)获得纹理特征图.然后,通过图形正则化(GR)和流行排序(MR)算法得到中心先验图和边缘先验图.最后,利用元胞自动机融合对比度特征图、颜色特征图、纹理特征图、中心先验图和边缘先验图获得初级显著图,再通过快速引导滤波器优化处理得到最终显著图.结果 在2个公开的数据集MSRA10K和ECSSD上验证本文算法并与12种具有开源代码的流行算法进行比较,实验结果表明,本文算法在准确率—召回率(PR)曲线、受试者工作特征(ROC)曲线、综合评价指标(F-measure)、平均绝对误差(MAE)和结构化度量指标(S-measure)等方面有显著提升,整体性能优于对比算法.结论 本文算法充分利用了图像的对比度特征、颜色特征、纹理特征,采用中心先验和边缘先验算法,在全面提取显著性区域的同时,能够较好地保留图像的纹理信息和细节信息,使得边缘轮廓更加完整,满足人眼的层次要求和细节要求,并具有一定的适用性.
显著性目标检测、多特征、先验信息、元胞自动机、快速引导滤波器
25
TP391.41(计算技术、计算机技术)
国家自然科学基金项目;辽宁省教育厅基金项目
2020-06-22(万方平台首次上网日期,不代表论文的发表时间)
共12页
321-332