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:
针对已有方法不能很好地检测显著目标边界以及完整区域问题,提出一种基于超像素分割的图像显著性检测方法.首先,对原图像进行双边滤波降低局部颜色差异,使图像更加平滑、均匀,同时能够保留显著目标的边缘信息.然后通过计算局部窗口内像素的差异来实现显著目标边界的初步检测;滤波后的图像通过超像素分割将具有相同或相近颜色特征的像素划分到一个超像素区块内,在此基础上,综合考虑超像素区块的局部对比度与全局对比度以及空间分布关系来计算每个区块的显著值.最后,融合上述两部分的结果并通过引导滤波来对检测结果进行优化处理.在MSRA-1000公开数据集上与其他7种方法进行对比实验,所提方法的平均准确率为81.57%,平均召回率为77.13%,综合指标F-measure值为80.50%.实验结果表明,提出的方法能够很好地检测出显著目标边界与内部信息,均匀突出了显著区域,证明了所提方法的有效性和鲁棒性.
推荐文章
基于对比度和局部结构特征的显著性检测
显著性
结构特征
图像对比度
目标检测
融合对比度和分布性的图像显著性区域检测
视觉显著性
RGB空间
LAB空间
对比度
分布性
主成分分析
对比度和细节增强显著性检测方法研究
目标显著性检测
全频域显著性检测算法
对比度拉伸算法
Robert交叉梯度锐化
背景修正方法
局部对比度结合区域显著性红外弱小目标检测
局部对比度
区域显著性
信息熵
弱小目标检测
红外图像
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 对比度与空间位置关系驱动的显著性检测
来源期刊 计算机应用 学科 工学
关键词 显著性检测 超像素分割 对比度 空间关系
年,卷(期) 2016,(3) 所属期刊栏目 虚拟现实与数字媒体
研究方向 页码范围 795-799
页数 5页 分类号 TP391.4
字数 4606字 语种 中文
DOI 10.11772/j.issn.1001-9081.2016.03.795
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 刘志远 昆明理工大学信息工程与自动化学院 2 1 1.0 1.0
2 李华锋 昆明理工大学信息工程与自动化学院 6 11 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (29)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(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)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(6)
  • 参考文献(2)
  • 二级参考文献(4)
2013(4)
  • 参考文献(4)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
研究主题发展历程
节点文献
显著性检测
超像素分割
对比度
空间关系
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
总被引数(次)
209512
论文1v1指导