结合域变换和轮廓检测的显著性目标检测

• 作者: 刘玉杰 周晨晨 宫延河 李华 李宗民
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 显著性目标 卷积神经网络 轮廓检测 域变换融合
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 图像与视觉
• 页码范围: 1457-1465
• 页数: 9页
• 分类号: TP391.41
• 字数: 4976字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2018.16778

摘要

针对多层显著性图融合过程中产生的显著目标边缘模糊、亮暗不均匀等问题,提出一种基于域变换和轮廓检测的显著性检测方法.首先选取判别式区域特征融合方法中的3层显著性图融合得到初始显著性图;然后利用卷积神经网络计算图像显著目标外部轮廓;最后使用域变换将第1步得到的初始显著性图和第2步得到的显著目标轮廓图融合.利用显著目标轮廓图来约束初始显著性图,对多层显著性图融合产生的显著目标边缘模糊区域进行滤除,并将初始显著性图中检测缺失的区域补充完整,得到最终的显著性检测结果.在3个公开数据集上进行实验的结果表明,该方法可以得到边缘清晰、亮暗均匀的显著性图,且准确率和召回率、F-measure,ROC以及AUC等指标均优于其他8种传统显著性检测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李华	中国科学院计算技术研究所智能信息处理重点实验室	189	3087	30.0	49.0