基于边缘盒与低秩背景的图像显著区域检测算法

针对现有显著性区域边界不明确和检测效果鲁棒性较差等问题,提出了一种新颖的图像显著区域检测方法,该方法结合了边缘盒粗定位和低秩背景模型细筛选来提高显著区域的检测性能。首先,对基于边缘盒的图像显著区域检测方法进行改进,采用OTSU方法自适应计算边缘模值的最佳分割阈值,以替代固定分割阈值,降低边界点检测误差;其次,在基于边缘盒检测到的可疑显著区域上,采用鲁棒主成分分析方法获取图像的低秩分量,构建背景模型,并基于背景差分方法剔除背景区域,减少显著区域的虚检现象。在PASCAL VOC 2007数据集上的实验结果表明,提出的方法明显提高了显著区域检测的精确度和召回率,同时具有较高的检测效率。