显著性检测算法
文章平均质量分 72
Unique-You
这个作者很懒,什么都没留下…
展开
-
显著性检测方法SR(谱残余方法)
该方法是基于频域的。详细见原文点击打开链接 首先将图像进行傅里叶变换,变换到频率域,计算幅度谱和相位谱。 然后将幅度谱变为对数谱(对幅度谱取对数),再对对数谱进行线性空间滤波(3*3的均值滤波),对两者做差,得到剩余谱 利用剩余谱和相位谱进行反向傅里叶变换,得到显著图。进行线性空间滤波(8*8的均值为8的高斯滤波器) 再进行归一化,得到最终的显著图。 【MATLA原创 2017-06-06 10:54:04 · 10881 阅读 · 0 评论 -
基于元胞自动机的显著性检测_BSCA(Saliency Detection via Cellular Automata)
详见点击打开链接 【算法】 1、全局差异矩阵的融合 首先用SLIC超像素分割把图像分成N个小的超像素点,应用像素点的平均颜色特征和平均坐标来描述每一个超像素点。为获得更优化的背景种子,基于图像边缘点的CIELAB颜色特征,用K-means算法将图像的边缘分成K类,K=3。属于第k类的超像素点总数为,k=1,2,...,K。基于K个不同的类,构建K个不同的全局颜色差异图(GCD)。在GCD矩阵原创 2017-07-04 20:20:47 · 4990 阅读 · 6 评论 -
基于对比度滤波的显著区域检测-SF(Saliency Filters: Contrast Based Filtering for Salient Region Detection)
详见点击打开链接 抽象化:将图像分解成由其平均颜色表示的紧凑,感知均匀的元素。 元素保存相关结构,并抽出不需要的细节。 唯一性:在某些方面从其他地区脱颖而出的区域引起了我们的注意,因此应该更加突出。 因此,我们测量每个元素的唯一性/稀有度Ui: 分布:理想地,属于背景的颜色将分布在呈现高空间方差的整个图像上,而前景对象通常更紧凑。 因此,我们测量每个元素的空间分布Di:原创 2017-07-03 15:19:51 · 3033 阅读 · 0 评论 -
软图像抽象的有效显着区域检测-GC
详细算法点击打开链接 通过考虑图像像素的外观相似性和空间分布,提出的表示方法抽象出不必要的图像细节,允许在类似区域之间分配可比的显着值,并产生感知准确的突出区域检测。 与以前依赖于超像素的图像抽象技术不同,使用直方图量化来收集基于全局高斯混合模型(GMM)的分解的外观样本。共享相同空间支持的组件被进一步分组以提供更紧凑和有意义的呈现。 这种软抽象避免了超像素的硬判决边界,允许抽象组件具有非原创 2017-07-03 08:58:09 · 638 阅读 · 0 评论 -
基于流行排序的显著性检测方法-MR
一、流行排序 给定一个数据集,m为特征维数,其中一些数据被标记为查询对象。 定义排序函数,相对于查询对象给每个数据分配排序得分,将f看成一个向量。 定义指示向量,为查询对象时,否则,。 图模型G=(V,E),图的节点V由数据集X组成,图的边E由关联矩阵确定。 图的度矩阵。对于给定的查询对象的排序得分可以通过求解式(1)得到: 对上式求导设置0,可以得到排序函数最终优化结果:原创 2017-07-01 19:55:02 · 7760 阅读 · 0 评论 -
显著性检测方法FT
该方法从频率角度分析图像。详细算法见点击打开链接 图像在频率域可以分成低频部分和高频部分。低频部分反映了图像的整体信息,如物体的轮廓,基本的组成区域。高频部分反映了图像的细节信息,如物体的纹理。显著性区域检测用到的更多的是低频部分的信息。在实际进行计算时,FT方法使用窗口5*5的高斯平滑来实现对最高频的舍去。像素的显著性可以用下面公式计算: 其中,Iu为图像的平均特征,使用Lab颜色特原创 2017-06-06 16:14:35 · 8810 阅读 · 3 评论 -
显著性检测方法:LC
该方法是基于全局对比度的。计算像素p在整个图像上的全局对比度。公式1如下:详细算法见点击打开链接 该方法使用以下技巧加速全局对比度的计算: (1)利用直方图对像素按照特征值归类。很多特征的特征值都被规格化为[0,255]的整数以便于计算。可以按照特征值统计直方图。fn为特征值的出现频率。这样特征值的显著性的计算可以简化为公式2: 其中d(p,n)为特征值p和n的欧氏距离。原创 2017-06-06 15:20:13 · 11244 阅读 · 1 评论 -
基于直方图对比度的显著性检测(HC)
该方法为程明明老师2008年发表在cvpr上的文章Global Contrast based Salient Region Detection中提出的(详细算法见原文点击打开链接)。 该方法只用到了颜色特征。一个像素的显著值是通过与图像中的所有其它像素的色差来定义的。比如方程1: 其中D(Ik,Ii)是空间L*a*b中两个像素的颜色距离度量原创 2017-06-06 09:54:10 · 12565 阅读 · 0 评论 -
显著性检测AC方法
该方法是基于局部对比度的。采用Lab颜色空间计算距离。详细算法见原文点击打开链接 感知单元:一个像素或一个像素块。 AC算法通过计算一个感知单元在不同邻域上的局部对比度来实现多尺度显著性计算。内部区域R1,外部区域R2,计算R1和R2的局部对比度时,通过改变R2的大小实现多尺度显著性计算。 感知单元R1可以是一个像素或一个像素块,其邻域为R2,(R1)R2所包含的所有像素的特征值的平原创 2017-06-06 11:25:17 · 7122 阅读 · 4 评论 -
基于马尔科夫吸收概率的显着区域检测_MAP(Saliency Region Detection Based on Markov Absorption Probabilities)
详见卢湖川主页 在本文中,我们通过利用显着性检测与马尔科夫吸收概率之间的关系,提出一种新颖的自下而上的突出物体检测方法。 首先,我们通过把加权图上部分图像边界作为背景(仅使用左侧和顶侧作为背景),通过马尔科夫吸收概率计算初步显着图。每个元素的显著性被定义为与其最相似的几个左和右虚拟边界节点的相应吸收概率的总和。第二,通过将图像元素与从初步显着图提取的前景提示的相关性进行排序来获得更好的结果,其原创 2017-07-05 10:44:14 · 3695 阅读 · 0 评论