融合多尺度对比与贝叶斯模型的显著目标检测

• 作者: 谢林柏 邓晨
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 多尺度 贝叶斯模型 背景先验 显著目标
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 172-177
• 页数: 6页
• 分类号: TP391
• 字数: 4768字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1610-0159

摘要

针对传统显著目标检测方法中目标不能均匀高亮,背景噪声难以抑制的问题,提出了一种融合多尺度对比与贝叶斯模型的显著目标检测方法.将图像分割为一系列紧凑且颜色相同的超像素,并通过K-means算法对所得超像素重聚类得到多尺度分割图;引入背景先验及凸包中心先验计算不同尺度下的显著图,并加权融合成粗略显著图;将粗略显著图二值化得到的区域假定为前景目标,再计算观测似然概率,使用贝叶斯模型进一步抑制图像的背景并凸出显著区域.在公开数据集MSRA-1000上与6种主流算法进行对比,实验表明提出的算法相比其他算法能更均匀地高亮显著目标,有更高的查准率和更低的平均绝对误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢林柏	江南大学物联网工程学院	68	452	12.0	18.0
2	邓晨	江南大学物联网工程学院	2	4	1.0	2.0