基于局部特征与全局特征的显著性目标检测
CSTR:
作者:
作者单位:

1. 山东大学控制科学与工程学院,济南250061;
2. 南京信息工程大学江苏省大数据分析重点实验室,南京210044;
3. 浙江大学CAD&CG国家重点实验室,杭州310058.

作者简介:

陈振学

通讯作者:

中图分类号:

TP391.4

基金项目:

国家自然科学基金项目(61203261, 61273277);山东省自然科学基金项目(ZR2012FQ003);浙江大学CAD&CG国家重点实验室开放课题(A1514);江苏省大数据分析技术重点实验室(南京信息工程大学) 开放课题(KXK1404).


Image saliency target detection based on global features and local features
Author:
Affiliation:

1. School of Control Science and Engineering,Shandong University,Ji’nan 250061,China;
2. Jiangsu Key Laboratory of Big Data Analysis Technology,Nanjing University of Information Science and Technology,Nanjing 210044,China;
3. State Key Laboratory of CAD&CG,Zhejiang University,Hangzhou 310058,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在采用图像谱残差分析方法获取全局特征显著性图像的基础上, 利用小波变换在时域和频域具有的局部特征信息表征能力, 通过对图像包含的不同特征信息进行小波变换, 去除各个特征图中的冗余信息, 得到图像局部特征显著部分, 对两种分析方法下获得的显著图进行融合分析, 获得最终的图像显著部分, 并利用视觉转移机制在原图中勾画出显著性目标. 实验结果分析表明, 改进后的方法提高了图像显著目标检测的准确率.

    Abstract:

    The method of spectral residual analysis is adopted to get the global features’ saliency map, and the wavelet transforms’ local feature information representation ability in the time domain and frequency domain is used to remove redundant information and get local features highlights. The two ways are combined to get the final-saliency map and block out the saliency target. Experimental results show that the detection accuracy is improved by using the proposed method.

    参考文献
    相似文献
    引证文献
引用本文

陈振学 贺超 刘成云.基于局部特征与全局特征的显著性目标检测[J].控制与决策,2016,31(10):1899-1902

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2015-08-09
  • 最后修改日期:2015-10-27
  • 录用日期:
  • 在线发布日期: 2016-10-20
  • 出版日期:
文章二维码