一种鲁棒的夜间图像显著性对象检测模型

• 作者: 张晓龙 徐新 穆楠
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 视觉显著性 对象检测 区域协方差 全局搜索 夜间图像
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 演化学习专题
• 页码范围: 2616-2631
• 页数: 16页
• 分类号: TP391
• 字数: 9129字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005396

摘要

基于人类视觉注意机制的显著性对象检测模型作为能主动感知图像中重要信息的有效方法,对探索视觉早期认知过程的大范围知觉信息组织具有重要意义.然而,由于夜间图像具有低信噪比和低对比度特性,现有的视觉显著性对象检测模型在夜间场景中容易受到噪声干扰、弱纹理模糊等多方面因素的影响.有鉴于此,提出一种基于区域协方差和全局搜索的夜间图像显著性对象检测方法.首先,将输入图像分割为超像素块,并分别计算它们的协方差.然后,使用超像素块协方差的差异性作为适应度函数,并结合全局搜索算法来优化各个超像素块的显著值.最后,通过图扩散方法来精炼显著图结果.实验测试采用了5个公开图像数据集和1个夜间图像数据集,通过与11种目前主流的视觉显著性对象检测模型进行对比,综合评价了所提出模型的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	穆楠	武汉科技大学计算机科学与技术学院	1	4	1.0	1.0