多核学习框架下多线索融合的显著性区域检测算法

• 作者: 于化龙 左欣 张绛丽 徐丹 段先华
• 来源期刊: 江苏科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 显著性检测 全局对比度 层次空间显著性 多核学习
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 信息与控制工程
• 页码范围: 591-598
• 页数: 8页
• 分类号: TP391
• 字数: 4530字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4807.2016.06.014

摘要

针对自底向上的显著性检测算法中存在的底层特征表达力弱、产生的显著图存在噪声等问题，提出了一种多核学习框架下多线索融合的显著性区域检测算法。首先，提出全局对比度和层次空间两种自底向上的显著性线索，产生的显著图为弱显著图；其次，以弱显著图为基础，得到正样本和负样本，每个样本用颜色和纹理特征表示；最后，在多核学习框架下进行多线索融合，得到自上而下的强显著图。在公开数据集上进行的实验结果表明，文中算法优于流行的显著性检测算法，可得到更高的准确率和查全率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段先华	江苏科技大学计算机科学与工程学院	42	192	9.0	11.0
2	于化龙	江苏科技大学计算机科学与工程学院	44	135	8.0	10.0
3	徐丹	江苏科技大学计算机科学与工程学院	22	76	5.0	7.0
4	张绛丽	江苏科技大学计算机科学与工程学院	14	22	2.0	4.0
5	左欣	江苏科技大学计算机科学与工程学院	26	99	4.0	9.0