概率框架下多特征显著性检测算法

• 作者: 李维鹏 杨小冈 马玛双
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 显著性检测 联合概率分布 多特征融合 先验信息 指数分布族 极大后验估计
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 学术论文
• 页码范围: 2378-2385
• 页数: 8页
• 分类号: TP391
• 字数: 6086字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.11.020

摘要

显著性检测是计算机视觉的一项基础问题,广泛地用于注视点预测、目标检测、场景分类等视觉任务当中.为提升多特征条件下图像的显著性检测精度,以显著图的联合概率分布为基础,结合先验知识,设计一种概率框架下的多特征显著性检测算法.首先分析了单一特征显著性检测的潜在缺陷,继而推导出多特征下显著图的联合概率分布;然后根据显著图的稀有性,稀疏性,紧凑性与中心先验推导出显著图的先验分布,并使用正态分布假设简化了显著图的条件分布;随后根据显著图的联合概率分布得到其极大后验估计,并基于多阈值假设构建了分布参数的有监督学习模型.数据集实验表明:相比于精度最高的单一特征显著性检测方法,多特征算法在有监督和启发式方法下的平均误差降低了6.98％和6.81％,平均F-measure提高了1.19％和1.16％;单幅图像的多特征融合耗时仅为11.8ms.算法精度较高,实时性好,且可根据不同任务选择所需的特征类别与先验信息,能够满足多特征显著性检测的性能要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李维鹏		7	50	3.0	7.0
2	杨小冈		23	62	5.0	6.0
3	马玛双		4	2	1.0	1.0