应用颜色聚类图像块的多舰船显著性检测

被引:6
作者
郭少军
娄树理
刘峰
机构
[1] 不详
[2] 海军航空工程学院控制科学与工程系
[3] 不详
关键词
多目标检测; 显著性检测; 舰船; 图像块; 颜色聚类;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
由于多舰船目标显著性检测过程容易将边界像素作为背景处理,本文提出了应用颜色聚类图像块的多舰船显著性检测方法。该方法首先检测邻域像素是否具有颜色相似性,并将临近的具有相似颜色的像素聚集在一起作为一个图像块。接着,对获得的图像块进行扩展,使图像块包含很多其他图像块的像素以提高图像块内像素间的对比强度;对边缘像素进行背景索引标记,计算图像块中像素的显著性强度,采用阈值分割方法获得目标显著性区域。最后,基于颜色聚类的图像块存在部分重叠的特点,利用权值对存在叠加的显著性图像进行融合,从而获得多舰船目标整幅图像的显著性检测结果。对获得的多舰船目标图像进行了实验测试,并对本文算法结果和当前比较先进的其它显著性检测算法进行了效果对比。结果显示:提出的利用颜色聚类图像块的舰船显著性检测方法的查全率达到78%以上,准确率达到92%以上,综合评价指标Fβ≥0.7;无论考虑单个指标还是整体指标,本文算法均优于其他对比算法。
引用
收藏
页码:1807 / 1817
页数:11
相关论文
共 6 条
  • [1] 基于对比度与空间位置特征的显著性区域检测
    张文杰
    熊庆宇
    [J]. 吉林大学学报(工学版) , 2015, (05) : 1709 - 1716
  • [2] 基于局部直方图高斯拟合的星图背景性质研究
    陈维真
    张春华
    周晓东
    [J]. 红外技术, 2008, (04) : 230 - 233
  • [3] Integrating bottom-up and top-down visual stimulus for saliency detection in news video
    Wu, Bo
    Xu, Linfeng
    [J]. MULTIMEDIA TOOLS AND APPLICATIONS, 2014, 73 (03) : 1053 - 1075
  • [4] Kullback–Leibler divergence measure based tests concerning the biasness in a sample[J] . Polychronis Economou,George Tzavelas.Statistical Methodology . 2014
  • [5] A machine learning based intelligent vision system for autonomous object detection and recognition
    Ramik, Dominik Maximilian
    Sabourin, Christophe
    Moreno, Ramon
    Madani, Kurosh
    [J]. APPLIED INTELLIGENCE, 2014, 40 (02) : 358 - 375
  • [6] Salient region detection and segmentation .2 A. Radhakrishna,E. Francisco. Lecture Notes in Computer Science . 2008