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:
传统的显著性检测算法主要基于中心先验、边界先验建立检测模型,但是在实际应用中,这些先验信息不一定都适用,比如机器视觉领域很多图像显著性区域位于图像边界,因此针对传统显著性算法的缺点,根据实际应用需求提出基于颜色先验和高斯混合模型的算法,不需要局限于中心和边界先验.首先通过高斯混合模型在Lab颜色空间根据颜色将图像中的像素聚类,根据颜色先验和结构相似性算法将子高斯模型分为前景子高斯模型和背景子高斯模型,此时的分割结果比较粗糙、噪点较多,通过条件随机场对此进行优化,获得最终的边界准确度较高的显著性区域.所述算法直接通过高斯混合模型对像素进行聚类,没有利用中心、边界先验,应用高斯混合模型保证获得准确稳定的边界,能够检测位于边界的显著性区域,与传统的显著性检测算法相比准确度更高.
推荐文章
基于背景原型对比度的显著性物体检测
视觉关注
背景原型
视觉显著度
基于高层颜色语义名称的显著性检测
显著性检测
高层颜色语义名称
颜色命名
Gist特征
基于全局颜色对比的显著性目标检测
全局颜色对比
显著性图
条件随机场
显著性目标检测
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 基于颜色先验的显著性物体检测
来源期刊 现代制造工程 学科 工学
关键词 颜色先验 显著性检测 高斯模型 条件随机场 结构相似性
年,卷(期) 2019,(4) 所属期刊栏目 仪器仪表/检测/监控
研究方向 页码范围 122-128
页数 7页 分类号 TP391.4
字数 4834字 语种 中文
DOI 10.16731/j.cnki.1671-3133.2019.04.022
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 李勃 南京大学电子科学与工程学院 55 607 16.0 22.0
2 董蓉 南通大学电子与信息学院 24 66 4.0 7.0
3 张绳富 南京大学电子科学与工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (2)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(2)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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
颜色先验
显著性检测
高斯模型
条件随机场
结构相似性
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
现代制造工程
月刊
1671-3133
11-4659/TH
大16开
北京市西城区核桃园西街36号301A
2-431
1978
chi
出版文献量(篇)
9080
总下载数(次)
14
总被引数(次)
50123
论文1v1指导