超像素内容感知先验的多尺度贝叶斯显著性检测方法

针对复杂背景下显著性检测方法不能够有效地抑制背景,进而准确地检测目标这一问题,提出了超像素内容感知先验的多尺度贝叶斯显著性检测方法.首先,将目标图像分割为多尺度的超像素图,在每个尺度上引入内容感知的对比度先验、中心位置先验、边界连通背景先验来计算单一尺度上的目标显著值;其次,融合多个尺度的内容感知先验显著值生成一个粗略的显著图;然后,将粗略显著图值作为先验概率,根据颜色直方图和凸包中心先验计算观测似然概率,再使用多尺度贝叶斯模型来获取最终显著目标;最后,使用了3个公开的数据集、5种评估指标、7种现有的方法进行对比实验,结果表明本文方法在显著性目标检测方面具有更好的表现.     

融合高低层多特征的显著性检测算法

针对单一显著性特征无法全面表达图像显著性致使显著性检测精度不高等问题，本文提出了一种多特征融合的显著性检测算法。算法在高层先验知识基础上，对靠近中心的超像素设置高显著值，利用高斯分布求解中心先验；在底层特征上融合图像的边界稀疏、全局对比度、颜色空间分布和超级像素差异等4种显著特征，利用类间差异最大阈值对高低层特征进行线性和非线性融合，最终得到高质量的显著图。在MSRA-1000、SED、SOD 3个公开的数据集上进行实验，结果表明：本文算法融合得到的显著图边缘清晰、显著区域突出均匀，在有效抑制背景信息的同时所得显著图像视觉感知更好，与其他显著性算法相比查全率和查准率上至少提高3.4%。     

基于背景先验与中心先验的显著性目标检测北大核心CSCD

针对传统的图流行排序显著性目标检测算法存在先验信息单一,显著目标检测不完整的问题,提出一种新的基于背景先验与中心先验的显著性目标检测算法。首先将图像边界节点作为背景种子进行流行排序获得粗略的前景区域,将其再次流行排序得到初步显著图;然后利用Harris角点检测、聚类实现中心先验显著性检测,捕获中心显著信息;最后在初步显著图上融合图像中心显著性,得到最终显著图。本文对综合指标、精确率-召回率曲线、F-measure值以及平均绝对误差(mean absolute error,MAE)值进行实验评估,在公开数据集MSRA-10K和ECSSD上进行的实验结果表明:对比10种主流算法,本文算法在不同的评估指标上都具有较好的表现,且能准确地突出显著目标,提升背景抑制效果。     

基于KL散度及多尺度融合的显著性区域检测算法

基于对超像素颜色概率分布间KL散度的计算,以及对多尺度显著图的融合处理,该文提出一种新的显著性区域检测算法。首先,采用超像素算法多尺度分割图像,在各尺度下用分割产生的超像素为节点,并依据超像素分割数量对各超像素进行适当邻接连通扩展,构建无向扩展闭环连通图。 其次,依据颜色判别力聚类量化各超像素内颜色,统计颜色聚类标签的概率分布,用概率分布间KL散度的调和平均值为扩展闭环连通图的边加权,再依据区域对比度并结合边界连通性,获取各尺度下的显著图。 最后,平均融合各尺度下显著图,并进行优化处理,得到最终的显著图。 在一些大型参考数据集上进行大量实验表明,所提算法优于当前一些先进算法,具有较高精确度和召回率,并且可以产生平滑显著图。     

超像素和阈值分割相结合的显著目标检测算法

现有的显著性检测结果普遍含噪及未能完整高亮显著物体,使得后续的显著目标检测仍是一个具有挑战性的问题。提出了一种结合超像素分割和阈值分割的新的显著目标检测算法。算法首先利用超像素分割方法对原图像进行分割计算,然后依据显著性检测结果计算每一个分割区域像素的平均显著度值,接着用平均显著度值表示超像素内每一个像素的原显著度值,最后根据阈值分割算法对其进行计算获取二值掩码图以表示显著目标检测结果。实验结果表明,在4种具有代表性的显著图上,所提算法能有效检测显著目标,具有较高的正确率、召回率和F度量值。     

基于全卷积网络的语义显著性区域检测方法研究

基于底层视觉特征和先验知识的显著性区域检测算法难以检测一些复杂的显著性目标,人的视觉系统能分辨这些目标是由于其中包含丰富的语义知识.本文构建了一个基于全卷积结构的语义显著性区域检测网络,用数据驱动的方式构建从图像底层特征到人类语义认知的映射,提取语义显著性区域.针对网络提取的语义显著性区域的缺点,本文进一步引入颜色信息、目标边界信息、空间一致性信息获得准确的超像素级前景和背景概率.最后提出一个优化模型融合前景和背景概率信息、语义信息、空间一致性信息得到最终的显著性区域图.在6个数据集上与15种最新算法的比较实验证明了本文算法的有效性和鲁棒性.     

基于超像素时空显著性的运动目标检测算法

针对复杂背景下运动目标检测存在的背景干扰、目标分割不完整等问题,利用目标静态灰度特征和运动特征,结合目标运动连续特性,提出了一种基于超像素时空显著图的运动目标检测算法。首先对图像基于简单线性迭代聚类算法(SLIC)进行超像素分割,以初始超像素为节点、以运动特征差异性为边建立图结构对超像素区域进行合并,得到最终超像素图像,可以有效解决传统超像素分割方法过分割而导致目标被分为多个部分的问题;然后分别利用目标静态特征对比度和运动特征对比度,得到静态显著性图和运动显著性图,并融合得到最终的时空显著性图;最后利用恒虚警处理技术,结合运动连续特性实现目标的检测,可以有效减少虚警目标。实验结果表明,该算法针对复杂背景具有良好的鲁棒性,并且可以比较完整的保留目标的信息。     

基于流形排名与迟滞阈值法的视觉显著性检测

视觉显著性检测是机器视觉领域的关键技术之一.提出一种基于流形排名与迟滞阈值的检测方法,首先将图像划分成超像素集合,以之作为结点形成闭环图;再按照基于图的流形排名方法计算各个结点的显著值,形成图像的显著图;然后利用显著图直方图统计出高、低两个阈值,将显著图划分为三个部分,使用伽马校正技术分别进行处理,最终整合校正结果得到输出显著图.实验结果表明,相对于现有算法,本文算法得到的显著图能够更好地区分背景区域和显著目标,同时也更具稳健性.     

基于L0平滑的超像素块最短测地距离的显著区域提取方法

为了有效地检测出图像中的显著区域,提出了一种基于L₀平滑 的超像素块最短测地距离的图像显著区域提取方法。首先对图像进行L₀平滑得到边缘锐化内部细节平滑 的图像,进而用简单线性迭代聚类(SLIC)算法得到图像的超像素块;然后提取超像素块的 颜色和空间特征,计 算超像素块之间的最短测地距离,根据图像边界的连通性得到每个超像素块的初步显著值; 最后通过显著 区域聚焦等后处理优化操作,滤除图中的背景噪声,得到最终显著图。利用公开数据库与之 前方法进行 比较的结果显示,本文方法能够更好地加亮整个显著目标区域,去除背景干扰区域。通过 ROC面积的比较,证明了本文提出方法的有效性。     

一种基于图的流形排序的显著性目标检测改进方法

该文针对现有的基于图的流形排序的显著性目标检测方法中仅使用k-正则图刻画各个节点的空间连接性的不足以及先验背景假设过于理想化的缺陷,提出一种改进的方法,旨在保持高查全率的同时,提高准确率。在构造图模型时,先采用仿射传播聚类将各超像素(节点)自适应地划分为不同的颜色类,在传统的k-正则图的基础上,将属于同一颜色类且空间上位于同一连通区域的各个节点也连接在一起;而在选取背景种子点时,根据边界连接性赋予位于图像边界的超像素不同的背景权重,采用图割方法筛选出真正的背景种子点;最后,采用经典的流形排序算法计算显著性。在常用的MSRA-1000和复杂的SOD数据库上同7种流行算法的4种量化评价指标的实验对比证明了所提改进算法的有效性和优越性。     

IR saliency detection via a GCF-SB visual attention framework

Infrared (IR) saliency detection with high detection accuracy is a challenging task due to the complex background and low contrast of IR images. In this paper, an IR saliency detection method via a new visual attention framework is proposed, which comprises two phases. In the first phase, a Gray & Contrast Features (GCF) model is established, in which the IR image is processed in two feature channels, a gray feature channel and a contrast feature channel. And then a primary feature map can be obtained by fusing the gray and contrast features from these two channels, which is the basis of the second phase. In the second phase, a Similarity-based Bayes (SB) model is established, in which two prior probabilities and two likelihood functions are calculated according to the previously obtained primary feature map. Finally, the saliency map is calculated with the obtained prior probabilities and likelihood functions by Bayes formula. Experimental results indicate that the proposed method can effectively reduce noise and enhance contrast of IR images with complex background and low contrast, and obtain a higher detection accuracy and robustness than seven state-of-the-art methods.     

局部和全局特征融合的红外图像显著性检测

为了更好地凸显复杂环境的红外目标特征,提出 一种融合局部和全局特征的红外图像 显著性检测方法。在获取图像超像素的基础上,提取每个区域空间距离加权的邻域对比度特 征,并考虑区域大小和位置的影响,构建局部显著图;然后提取每个区域空间距离加权的全 局灰度特征,构建全局显著图;最后融合局部和全局显著图,实现图像显著性检测。实验结 果 表明,本文方法的显著图结果目标区域一致高亮且边缘清晰,同时背景杂波抑制效果好。无 论 主观评价还是客观指标,本文方法都优于当前流行的图像显著性检测方法。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息（长短轴、面积等）,利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。     

基于可区分边界和加权对比度优化的显著度检测算法

针对目前基于先验背景的显著度算法中,把图像的所有边界同等对待带来的误判别问题,本文提出一种基于可区分边界和加权对比度优化的显著度检测算法.为了客观评价显著度,本文首先设计了一种粗略评估显著度的指标,用来选择较好的背景图.以该指标为基础,该算法先利用Hausdorff距离对边界进行区分,再利用测地线距离变换完成可靠的背景检测;然后,构造了一种前景-背景加权的对比度来计算初始显著度;最后,使用加权的优化模型进行显著度的优化.在5个公开数据集上的实验结果表明,本文算法在保持快速、无训练等优点的同时,检测性能优于目前主流算法.     

Two-stage salient region detection by exploiting multiple priors

Saliency detection has become a valuable tool for many image processing tasks, like image retargeting, object recognition, and adaptive compression. With the rapid development of the saliency detection methods, people have approved the hypothesis that “the appearance contrast between the salient object and the background is high”, and build their saliency methods on some priors that explain this hypothesis. However, these methods are not satisfactory enough. We propose a two-stage salient region detection method. The input image is first segmented into superpixels. In the first stage, two measures which measure the isolation and distribution of each superpixel are proposed, we consider that both of these two measures are important for finding the salient regions, thus the image-feature-based saliency map is obtained by combining the two measures. Then, in the second stage, we incorporate into the image-feature-based saliency map a location prior map to emphasize the foci of attention. In this algorithm, six priors that explain what is the salient region are exploited. The proposed method is compared with the state-of-the-art saliency detection methods using one of the largest publicly available standard databases, the experimental result indicates that the proposed method has better performance. We also demonstrate how the saliency map of the proposed method can be used to create high quality of initial segmentation masks for subsequent image processing, like Grabcut based salient object segmentation.     

超复数域小波变换的显著性检测

针对现有频域显著性检测方法得到的显著区域不完整的问题,该文提出一种多尺度分析的频率域显著性检测方法。首先由输入图像特征通道信息构建4元超复数,然后通过小波变换对4元超复数域中幅度谱进行多尺度分解,计算生成多尺度下的视觉显著图,最后由评价函数选出效果较好显著图合成最终视觉显著图。实验结果表明,该文方法能够有效地抑制背景干扰,快速、精确地找到完整的显著目标,具有较高的检测精确度。     

Residential area extraction based on saliency analysis for high spatial resolution remote sensing images

Traditional residential area extraction methods for remote sensing image depend on classification, segmentation and prior knowledge which are time-consuming and difficult to build. In this paper, an efficient, saliency analysis-based residential area extraction method is proposed. In the proposed model, an adaptive directional prediction-based lifting wavelet transform (ADP-LWT) is introduced to obtain the orientation feature. A logarithm co-occurrence histogram is employed to compute the intensity feature. The color opponency and diagram objection based on the information are proposed to extract color feature from the contrast in the red–green opponent channel. The saliency map is obtained through a weighted combination based on the feature competition and the residential area is extracted by saliency map threshold segmentation. The experimental results reveal that the residential area extracted by our model has more demarcated boundaries and better performance in background subtraction.     

基于视觉对比机制的红外弱小目标检测方法

为解决复杂背景下红外弱小目标检测精度低的问题,本文提出一种基于视觉对比机制的红外弱小目标检测方法,算法主要模拟了人眼对目标对比度敏感这一机制。首先利用8向梯度方程提取红外图像的梯度显著图并二值化处理;根据小目标的尺寸大小特征对梯度显著图进行优化处理,剔除孤立的噪声点和尺寸较大的背景梯度显著区域;利用视觉对比机制对优化后的显著图进行局部对比度计算,通过阈值处理剔除虚警目标,完成红外弱小目标检测。仿真实验表明,该算法在低信噪比情况下对红外弱小目标的检测率较高,且虚警率低,单帧检测时间较小。