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:
近年来,图像显著性区域检测已经成为图像处理与分析的热点领域,RC方法是这一领域较为出色的算法之一,然而该方法存在预分割方法不精细、区域显著值分配误差较大等缺陷.为了解决上述缺陷以获得更好的显著图,文中提出了一种基于SLIC超像素分割的显著区域探测方法.该方法首先利用Mean Shift方法对输入图像进行平滑,接着利用SLIC超像素分割方法对平滑图像进行分割,然后通过改进RC方法并引入CA方法中的上下文信息特征对分割区域进行融合,最后通过区域显著值分配得到最终的显著图.实验结果表明,对比RC方法,文中所取得的显著图效果在边缘信息以及背景处理方面都有着明显的提高.在正确率和召回率2个指标上也明显优于RC方法.
推荐文章
超像素和阈值分割相结合的显著目标检测算法
显著目标检测
超像素分割
阈值分割
感兴趣区域
结合SLIC超像素和DBSCAN聚类的眼底图像硬性渗出检测方法
图像分割
超像素
硬性渗出
糖尿病视网膜病变
简单线性迭代聚类
基于密度的聚类算法
结合显著性检测和超像素分割的遥感信息提取算法研究
遥感信息提取
GBVS显著性检测
SLIC超像素分割
训练样本
统计学习
基于SLIC与条件随机场的图像分割算法
条件随机场
简单线性迭代聚类
超像素
图像分割
参数估计
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SLIC超像素分割显著区域检测方法的研究
来源期刊 南京邮电大学学报(自然科学版) 学科 工学
关键词 显著性探测 Mean Shift平滑 SLIC超像素分割 区域对比度
年,卷(期) 2016,(1) 所属期刊栏目 通信与电子
研究方向 页码范围 89-93
页数 5页 分类号 TN919.8|TP391.4
字数 3354字 语种 中文
DOI 10.14132/j.cnki.1673-5439.2016.01.014
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 陈文兵 南京信息工程大学数学与统计学院 17 99 6.0 9.0
2 汪成 南京信息工程大学数学与统计学院 1 18 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  (6)
节点文献
引证文献  (18)
同被引文献  (46)
二级引证文献  (20)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(5)
  • 引证文献(5)
  • 二级引证文献(0)
2018(11)
  • 引证文献(6)
  • 二级引证文献(5)
2019(15)
  • 引证文献(3)
  • 二级引证文献(12)
2020(6)
  • 引证文献(3)
  • 二级引证文献(3)
研究主题发展历程
节点文献
显著性探测
Mean Shift平滑
SLIC超像素分割
区域对比度
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
南京邮电大学学报(自然科学版)
双月刊
1673-5439
32-1772/TN
大16开
南京市亚芳新城区文苑路9号
1960
chi
出版文献量(篇)
2234
总下载数(次)
13
总被引数(次)
14649
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导