公共文化服务平台

共 4 条记录，以下是 1-4

全选清除导出

排序方式：

基于自适应背景模板与空间先验的显著性物体检测方法被引量：7: 2017年; 目前,显著性检测已成为国内外计算机视觉领域研究的一个热点,但现有的显著性检测算法大多无法有效检测出位于图像边缘的显著性物体.针对这一问题,本文提出了基于自适应背景模板与空间先验的显著性物体检测方法,共包含三个步骤:第一,根据显著性物体在颜色空间上具有稀有性,获取基于自适应背景模板的显著图.将图像分割为超像素块,提取原图的四周边界作为原始背景区域.利用设计的自适应背景选择策略移除原始背景区域中显著的超像素块,获取自适应背景模板.通过计算每个超像素块与自适应背景模板的相异度获取基于自适应背景模板的显著图.并采用基于K-means的传播机制对获取的显著图进行一致性优化;第二,根据显著性物体在空间分布上具有聚集性,利用基于目标中心优先与背景模板抑制的空间先验方法获得空间先验显著图.第三,将获得的两种显著图进行融合得到最终的显著图.在公开数据集MSRA-1000、SOD、ECSSD和新建复杂数据集CBD上进行实验验证,结果证明本文方法能够准确有效地检测出图像中的显著性物体.; 林华锋李静李静梁大川李东民; 关键词：显著性检测

基于图和稀疏主成分分析的多目标显著性检测被引量：3: 2018年; 针对具有多个显著目标且背景较为复杂的图像,提出了一种基于全连接图和稀疏主成分分析(sparse principal component analysis,sPCA)的显著性检测方法.首先,在不同的尺度空间上利用目标先验知识快速获取包含预选显著目标的空间位置信息,同时,在超像素分割的基础上构造全连接图,并计算超像素级的显著图.然后,利用目标先验知识提取并优化超像素显著图的显著性区域,采用稀疏主成分分析提取优化后的显著性像素点的主要特征,获取相应尺度的显著图.最后,将多个尺度下的显著图进行融合得到最终的显著图.该方法充分利用了超像素与像素显著性计算的优势,在提高检测速度的同时获得更高的检测精度.在公开的多目标数据集SED2和HKU_IS上进行实验验证,结果表明:该方法能够有效检测出复杂背景下的多个显著目标.; 梁大川李静刘赛李东民; 关键词：显著性检测

一种显著性目标完整性检测方法被引量：1: 2016年; 针对显著性检测方法存在的目标检测不完整的现象,提出一种显著性目标完整性检测方法,可同时考虑目标检测的完整性与显著性.首先,采用分层分割方法获取目标的轮廓生成预处理灰度图.然后,采用自适应阈值分割方法处理基于聚类的显著图,获取超显著性图与超显著性像素点.最后,根据预处理灰度图目标含有超显著性像素点的比例,生成完整后处理灰度图.对超显著性图和完整后处理图进行加权融合,获取最终的完整显著性图.标准数据集上实验仿真结果表明,该方法具有更高的精度与召回率,优于现有的显著性检测方法.; 林华锋李静梁大川周培云; 关键词：聚类

基于多尺度先验深度特征的多目标显著性检测方法被引量：13: 2019年; 显著性检测是近年来国内外计算机视觉领域研究的热点问题,在图像压缩、目标识别与跟踪、场景分类等领域具有广泛的应用.针对大多显著性检测方法只针对单个目标且鲁棒性不强这一问题,本文提出一种基于深度特征的显著性检测方法.首先,在多个尺度上对输入图像进行超像素分割,利用目标先验知识对预显著区域进行提取和优化.然后,采用卷积神经网络提取预选目标区域的深度特征.对高维深度特征进行主成分分析并计算显著性值.最后,提出一种改进的加权多层元胞自动机方法,对多尺度分割显著图进行融合优化,得到最终显著图.在公开标准数据集SED2和HKU IS的实验表明,与现有经典显著性检测方法相比,本文方法对多显著目标检测更准确.; 李东民李静梁大川王超; 关键词：显著性检测过分割元胞自动机

全选清除导出

共1页<1>

梁大川