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:
目的 感兴趣区域检测是图像处理领域的关键技术.人类视觉系统处理一个较为复杂的场景时,会首先将其视觉注意力集中于该场景中的几个特定对象上,这些对象被称为感兴趣区域.在图像处理和分析过程中,感兴趣区域检测模拟人类视觉,能够快速、准确抓住图像重点,降低图像处理计算量,有效提高计算机信息处理的效率.因此感兴趣区域检测对于图像分析和理解有着重要意义.为此,提出一种基于低层次图像信息与中层次图像信息相结合的自底向上的感兴趣区域检测方法.方法 首先通过彩色增强Harris算子检测角点进而得到凸包边界,通过凸包区域与超像素聚类结果计算中层次信息粗略显著图;然后将图像从RGB空间转换到CIELab空间,使用差分滤波器对图像进行滤波,得到低层次信息粗略显著图;最后将低层次图像信息与中层次图像信息进行加权融合得到图像的显著图.结果 在微软亚洲研究院提供的公开数据库MSRA上验证了本文方法的有效性,根据该数据库人工标记的真值评价本文方法的检测效果,并与其他方法进行对比.其他方法的显著图是由其作者提供的源代码得到.在主观分析和客观判断两个方面的本文方法可有效抑制背景噪声,检测出的显著物具有均匀显著度,且边缘清晰.结论 本文方法是一种有效的图像预处理方法.
推荐文章
基于感兴趣区域轮廓的图像分割方法
边缘检测
区域生长
感兴趣区域
图像分割
基于ORB和最小凸包的感兴趣区域检测方法研究
ORB
最小凸包
特征点
感兴趣区域
基于Matlab的图像感兴趣区域提取
感兴趣区域
差影法
交互式提取
阈值分割
医学图像感兴趣区域的提取
感兴趣区域
提取
医学图像
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 复杂自然环境下感兴趣区域检测
来源期刊 中国图象图形学报 学科 工学
关键词 感兴趣区域 显著图 超像素聚类 凸包 差分滤波器
年,卷(期) 2015,(5) 所属期刊栏目 图像处理和编码
研究方向 页码范围 625-632
页数 8页 分类号 TP391.4
字数 3205字 语种 中文
DOI 10.11834/jig.20150505
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 王红 天津工业大学电子与信息工程学院 6 24 2.0 4.0
2 肖志涛 天津工业大学电子与信息工程学院 82 633 13.0 21.0
3 吴骏 天津工业大学电子与信息工程学院 43 268 8.0 15.0
4 张芳 天津工业大学电子与信息工程学院 66 342 10.0 16.0
5 耿磊 天津工业大学电子与信息工程学院 53 382 11.0 17.0
6 李月龙 天津工业大学电子与信息工程学院 22 102 6.0 9.0
7 李峰 天津工业大学电子与信息工程学院 8 67 4.0 8.0
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  (8)
节点文献
引证文献  (14)
同被引文献  (55)
二级引证文献  (5)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(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)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(4)
  • 引证文献(3)
  • 二级引证文献(1)
2019(8)
  • 引证文献(6)
  • 二级引证文献(2)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
感兴趣区域
显著图
超像素聚类
凸包
差分滤波器
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
中国图象图形学报
月刊
1006-8961
11-3758/TB
大16开
北京9718信箱
82-831
1996
chi
出版文献量(篇)
5906
总下载数(次)
17
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导