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:
为了解决目前显著性检测中图像的纹理特征对其他特征(颜色、方向等)的影响问题,通过对该领域已有的算法和文章进行实验和比较,提出一个概念上明确和改进的基于对比度的显著性检测的直观算法.研究了将输入的图像用已改进的总变差模型来获取一个有效的主要结构,将提取到的主要结构图像分解为紧凑、感知、同质的元素,抽象出不必要的细节;进一步,基于这种抽象元素计算了两个对比度量,即颜色独特性和空间分布,通过高斯滤波得到两个对比度的显著图,将其进行融合.分析了融合后的显著图与目前比较经典的算法得到的显著图之间的改进之处.实验证实了去除纹理特征后提取到的显著图,有效地抑制了图像各特征之间的相互干扰,提高了显著图融合的精确度.
推荐文章
基于显著性检测的图像匹配
显著性检测
SIFT
图像匹配
特征点提取
特征点匹配
基于异源图像特征的显著性融合检测方法
异源图像
特征提取
图像分割
显著性融合
目标检测
基于空间分布特征的图像显著性检测
空间分布特征
显著性检测
背景图像
全分辨率
基于图像显著性特征的铸坯表面缺陷检测
铸坯表面
缺陷检测
显著性区域
特征提取
Gabor小波
Adaboost分类器
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 基于特征的图像显著性检测
来源期刊 移动通信 学科
关键词 显著性检测 纹理特征 对比度
年,卷(期) 2019,(10) 所属期刊栏目 设计与实现
研究方向 页码范围 92-96
页数 5页 分类号
字数 3112字 语种 中文
DOI 10.3969/j.issn.1006-1010.2019.10.018
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 彭亚雄 贵州大学大数据与信息工程学院 34 93 6.0 8.0
2 陆安江 贵州大学大数据与信息工程学院 61 169 8.0 10.0
3 艾显丽 贵州大学大数据与信息工程学院 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  (15)
共引文献  (6)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(7)
  • 参考文献(1)
  • 二级参考文献(6)
2013(5)
  • 参考文献(3)
  • 二级参考文献(2)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(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
显著性检测
纹理特征
对比度
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
移动通信
月刊
1006-1010
44-1301/TN
大16开
广州市新港中路381号(广州市1003信箱9分箱)
46-181
1973
chi
出版文献量(篇)
9277
总下载数(次)
9
总被引数(次)
33751
论文1v1指导