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:
为了能够准确地检测出图像中的显著性对象,提出了一种新的基于视觉显著性图与似物性的对象检测算法.该算法首先在图像上提取大量具有较高似物性度量的矩形窗口,并估算出对象可能出现的位置,将窗口级的似物性度量转换到像素级的似物性度量:然后把原始显著性图与像素级的似物性图进行融合,生成加权显著性图,分别二值化原始显著性图和加权显著性图,利用凸包检测得到最大查找窗口区域与种子窗口区域;最后结合边缘概率密度搜索出最优的对象窗口.在公开数据集MSRA-B上的实验结果表明,该算法在准确率、召回率以及F-测度方面优于最大化显著区域检测算法、区域密度最大化算法以及似物性对象检测算法等已有的多种算法.
推荐文章
视觉显著性检测综述
视觉显著性检测
RGB图像显著性检测
RGBD图像显著性检测
视频显著性检测
协同显著性检测
基于 DCT 域视觉显著性检测的图像缩放算法
图像缩放
线裁剪
视觉显著性检测
离散余弦变换域
融合似物性前景对象与背景先验的图像显著性检测
显著性检测
似物性检测
超像素颜色空间分布
窗口优化
多窗口特征
背景先验
基于双层多尺度神经网络的显著性对象检测算法
显著性对象检测
深度学习
深度卷积网络
条件随机场
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 基于视觉显著性图与似物性的对象检测
来源期刊 计算机应用 学科 工学
关键词 显著性图 对象检测 似物性 凸包 边缘密度
年,卷(期) 2015,(12) 所属期刊栏目 虚拟现实与数字媒体
研究方向 页码范围 3560-3564
页数 5页 分类号 TP391.41
字数 3666字 语种 中文
DOI 10.11772/j.issn.1001-9081.2015.12.3560
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 刘志 上海大学通信与信息工程学院 26 304 8.0 17.0
2 李君浩 上海大学通信与信息工程学院 1 6 1.0 1.0
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  (13)
节点文献
引证文献  (6)
同被引文献  (5)
二级引证文献  (3)
1979(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
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
显著性图
对象检测
似物性
凸包
边缘密度
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
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导