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:
为了对自然场景中的显著目标进行准确检测,提出一种基于边界先验的图像显著性检测方法.采用简单线性迭代聚类的超像素分割算法将图像分割为颜色和纹理具有一致性的超像素,根据边界先验理论,分别计算4个边界的边界先验显著图,并且融合成为粗略的显著图,大致区分图像的背景和显著目标,将边界先验显著图的质心作为显著目标的中心位置进行空间显著性分析,从而突出显著目标,得到最终的显著图.仿真结果表明,与Itti算法、基于对比的方法、基于图论的方法等相比,该方法能够均匀地突出显著对象,有效地抑制背景.
推荐文章
基于颜色先验的显著性物体检测
颜色先验
显著性检测
高斯模型
条件随机场
结构相似性
结合基元对比度与边界先验的显著性区域检测
显著性区域
基元对比度
边界先验
特征融合
多尺度
边界先验和自适应区域合并的显著性检测
边界
自适应
区域合并
显著性检测
基于先验信息的显著性检测算法研究
显著性检测
凸包
超像素
背景先验
显著图融合
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 自然场景下基于边界先验的图像显著性检测
来源期刊 计算机工程 学科 工学
关键词 超像素分割 边界先验 空间显著性 显著性检测 背景区域
年,卷(期) 2016,(1) 所属期刊栏目 图形图像处理
研究方向 页码范围 278-281,286
页数 5页 分类号 TN911.73
字数 3546字 语种 中文
DOI 10.3969/j.issn.1000-3428.2016.01.049
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 于凤芹 江南大学物联网工程学院 143 708 12.0 18.0
2 陈莹 江南大学物联网工程学院 101 401 10.0 14.0
3 范青 江南大学物联网工程学院 7 18 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (3)
参考文献  (7)
节点文献
引证文献  (11)
同被引文献  (21)
二级引证文献  (7)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(4)
  • 引证文献(2)
  • 二级引证文献(2)
2018(4)
  • 引证文献(4)
  • 二级引证文献(0)
2019(7)
  • 引证文献(3)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
超像素分割
边界先验
空间显著性
显著性检测
背景区域
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
论文1v1指导