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:
针对海量视觉数据处理中的图像显著性检测问题,提出一种基于多重特征信息的新型方法。该方法首先根据像素的CIE Lab 颜色空间和空间位置信息选用 k-means 算法对图像像素聚类,在初始化中心时根据蜂窝原理使用正六边形进行选种。然后用全局对比和局部对比方法分析选取的多重图像特征,并计算得到八种特征图。最后对八种特征图融合得到初始显著性图,再用阈值法得到最终的显著性图。该方法通过改进 k-means 算法实现良好的图像聚类以进一步分析、处理图像特征,并依据对比度、关键区域聚焦等重要原理将图像底层特征和中层特征合理融合,兼顾全局对比和局部对比,处理问题全面而高效。实验结果表明,从主观和客观两方面进行整体评估,该方法都达到了优越的性能。
推荐文章
图像显著性检测方法解析
图像显著性
显著性检测
检测方法
图像处理
卷积特征图融合与显著性 检测的图像检索
图像检索
特征图融合
显著性检测
卷积神经网络
一种基于图像特征稀疏约束的显著性检测算法
显著性检测
特征选择
特征融合
稀疏约束
线性回归
基于颜色和纹理特征的显著性检测算法
模式识别
显著性检测
颜色对比度
纹理特征
二维信息熵
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 基于多重特征信息的图像显著性检测方法
来源期刊 计算机应用与软件 学科 工学
关键词 显著性检测 k-means 全局对比 局部对比 特征图 显著性图
年,卷(期) 2016,(9) 所属期刊栏目 图像处理与应用
研究方向 页码范围 190-194,202
页数 6页 分类号 TP3
字数 4738字 语种 中文
DOI 10.3969/j.issn.1000-386x.2016.09.045
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 孟莎莎 9 15 2.0 3.0
2 饶兰香 10 16 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (3)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(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)
2017(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)
研究主题发展历程
节点文献
显著性检测
k-means
全局对比
局部对比
特征图
显著性图
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导