基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
图像显著区域检测旨在找出最具信息性的图像,将该任务归纳为一种由粗定位到精提取的处理过程.首先,将图像过分割为超像素,并根据其颜色差异、分形差异及空间分布求得一个表征超像素间相似性的矩阵.依据这个矩阵,利用相似传播算法对超像素聚类;并通过度量类间颜色对比度、类的结构紧凑度与偏离中心度评价每类的显著度.然后,通过比较像素与每类的颜色差异及位置关系更新像素的显著度,最终得到像素精度的、全分辨率的显著性图.对当前流行数据库的实验测试表明,算法具有令人满意的检测效果.
推荐文章
基于粗定位与组件树的MAG焊图像熔池边缘提取算法
边缘提取
区域粗定位
梯度级图像
组件树模型
基于视觉注意机制的彩色图像显著性区域提取
显著性区域提取
视觉注意机制
分水岭
区域化空间注意力模型
基于显著区域的图像自动标注
图像自动标注
显著区域
SIFT特征
K-均值聚类
视觉词袋
支持向量机
基于提取标签显著性区域的深度学习图像检索方法
显著性区域
标签向量化
word2vec
图像三元组
图像检索
哈希编码
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 由粗定位到精提取的图像显著区域检测
来源期刊 科学技术与工程 学科 工学
关键词 视觉选择性注意机制 显著区域检测 超像素 对比度分析 粗定位 精提取
年,卷(期) 2015,(31) 所属期刊栏目 论文
研究方向 页码范围 67-73
页数 7页 分类号 TP751
字数 7234字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张弘 北京航空航天大学宇航学院 15 62 5.0 7.0
2 赵克军 2 5 1.0 2.0
3 胡骁东 北京航空航天大学宇航学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
视觉选择性注意机制
显著区域检测
超像素
对比度分析
粗定位
精提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科学技术与工程
旬刊
1671-1815
11-4688/T
大16开
北京市海淀区学院南路86号
2-734
2001
chi
出版文献量(篇)
30642
总下载数(次)
83
总被引数(次)
113906
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导