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：8

作者：

林华锋 ^{[1
,2
]}

李静 ^{[1
,2
]}

刘国栋 ^{[3
]}

梁大川 ^{[1
,2
]}

李东民 ^{[1
,2
]}

机构：

[1] 南京航空航天大学计算机科学与技术学院

[2] 软件新技术与产业化协同创新中心

[3] 江苏省委党校

来源：

自动化学报 | 2017年 / 43卷 / 10期

关键词：

显著性检测; 背景模板; 传播机制; 空间先验;

D O I：

10.16383/j.aas.2017.c160431

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

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.

引用

页码：1736 / 1748

页数：13

共 4 条

[1] 一种基于词袋模型的新的显著性目标检测方法
杨赛
赵春霞
徐威
[J]. 自动化学报, 2016, 42 (08) : 1259 - 1273
[2] 利用层次先验估计的显著性目标检测
徐威
唐振民
[J]. 自动化学报, 2015, 41 (04) : 799 - 812
[3] 基于条件随机场和图像分割的显著性检测
钱生
陈宗海
林名强
张陈斌
[J]. 自动化学报, 2015, 41 (04) : 711 - 724
[4] Saliency-driven image classification method based on histogram mining and image score
Lei, Baiying
Tan, Ee-Leng
Chen, Siping
Ni, Dong
Wang, Tianfu
[J]. PATTERN RECOGNITION, 2015, 48 (08) : 2567 - 2580

← 1 →