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:
为了解决基于二维图像的显著性检测方法中出现的光噪声、前景背景相似、多目标遮挡等问题,有效地突出显著区域并抑制背景区域,基于颜色、深度信息提出一种基于深度选择性差异及背景先验的显著性检测模型. 首先,根据深度图质量进行颜色以及深度特征所占比例的调节;其次,依据深度图的内在特性,计算图像的基于深度选择性差异的显著性;然后,基于所获取的边界背景集合和基于深度先验的背景集合,计算图像的基于背景先验的显著性;最后,对前期得到的2个显著图进行融合及调整,并对显著图进行优化,得到最终的显著性检测结果. 实验结果表明,该模型能较好地反映颜色以及深度信息对显著性检测的影响,计算结果更符合人类视觉.
推荐文章
简单背景先验下的显著性目标检测算法
目标检测
背景定位
模型融合
空间优化
背景先验
显著性计算
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
基于结构感知深度神经网络的显著性对象检测算法
显著性对象检测
深度学习
显著图
卷积神经网络
对象骨架检测
视觉显著性检测综述
视觉显著性检测
RGB图像显著性检测
RGBD图像显著性检测
视频显著性检测
协同显著性检测
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 基于深度选择性差异及背景先验的显著性检测
来源期刊 北京工业大学学报 学科 交通运输
关键词 三维视觉信息 显著性检测 深度选择性差异 背景先验 深度图 边界连通性
年,卷(期) 2019,(9) 所属期刊栏目 研究论文
研究方向 页码范围 838-852
页数 15页 分类号 U 461|TP 308
字数 9891字 语种 中文
DOI 10. 11936/bjutxb2018050012
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 王丹 北京工业大学信息学部 51 234 8.0 12.0
2 付利华 北京工业大学信息学部 19 69 6.0 7.0
3 彭硕 北京工业大学信息学部 4 4 1.0 2.0
4 李灿灿 北京工业大学信息学部 1 0 0.0 0.0
5 崔鑫鑫 北京工业大学信息学部 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  (5)
共引文献  (1)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1979(1)
  • 参考文献(1)
  • 二级参考文献(0)
1980(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(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
三维视觉信息
显著性检测
深度选择性差异
背景先验
深度图
边界连通性
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
北京工业大学学报
月刊
0254-0037
11-2286/T
大16开
北京市朝阳区平乐园100号
2-86
1974
chi
出版文献量(篇)
4796
总下载数(次)
21
总被引数(次)
40595
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导