本文選題：顯著性區(qū)域檢測(cè) + 背景先驗(yàn)��； 參考：《計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)》2017年10期

【摘要】：為了提高顯著性檢測(cè)的魯棒性,提出一種基于最優(yōu)種子選取及局部平滑標(biāo)簽傳播的顯著性檢測(cè)模型.首先計(jì)算初始背景圖并進(jìn)行優(yōu)化,對(duì)優(yōu)化后的背景圖進(jìn)行隨機(jī)采樣來(lái)提取最優(yōu)背景種子點(diǎn);然后融合2種不同方式下獲得的先驗(yàn)圖來(lái)得到物體先驗(yàn)圖,通過(guò)對(duì)此先驗(yàn)圖進(jìn)行閾值化來(lái)提取最優(yōu)前景種子點(diǎn);最后基于上述提取策略得到的種子點(diǎn),應(yīng)用局部平滑標(biāo)簽傳播模型預(yù)測(cè)其他區(qū)域的標(biāo)簽信息,從而獲得顯著圖.在3個(gè)被廣泛應(yīng)用的數(shù)據(jù)集上進(jìn)行定性與定量的實(shí)驗(yàn)結(jié)果表明,該模型能夠有效地提升檢測(cè)效果.
[Abstract]:In order to improve the robustness of salience detection, a salience detection model based on optimal seed selection and local smooth label propagation is proposed.First, the initial background image is calculated and optimized, and the optimized background image is sampled randomly to extract the optimal background seed point. Then, the prior graph obtained in two different ways is fused to obtain the prior image of the object.Finally, based on the seed points obtained by the above extraction strategy, the label information of other regions is predicted by using the local smooth label propagation model, and the salient map is obtained.The results of qualitative and quantitative experiments on three widely used data sets show that the model can effectively improve the detection effect.
【作者單位】： 澳門大學(xué)科技學(xué)院電腦與資訊科學(xué)系;中國(guó)科學(xué)院軟件研究所計(jì)算機(jī)科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn);
【基金】：國(guó)家自然科學(xué)基金(61272326) 澳門科技發(fā)展基金(136/2014/A3,068/2015/A2) 澳門大學(xué)研究基金(MYRG2014-00139-FST)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐彰國(guó);李煥洲;鐘明全;張健;;改進(jìn)的進(jìn)程行為檢測(cè)模型及實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2010年01期

2 衛(wèi)劍釩,劉欣,段云所;信息系統(tǒng)分布式安全檢測(cè)模型及其設(shè)計(jì)[J];計(jì)算機(jī)工程;2005年20期

3 畢殿杰;;多線索多層次的視頻語(yǔ)義事件檢測(cè)模型[J];科技信息;2009年30期

4 武少杰;鶴榮育;薛長(zhǎng)松;謝江濤;;軟件哨兵安全動(dòng)態(tài)檢測(cè)模型的研究與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2012年08期

5 姜濤;于正林;蘇成志;曹國(guó)華;郭曉波;;光電瞄具提前量解算的仿真檢測(cè)模型[J];兵工學(xué)報(bào);2007年09期

6 蘇璞睿;馮登國(guó);;基于進(jìn)程行為的異常檢測(cè)模型[J];電子學(xué)報(bào);2006年10期

7 朱瑜;劉勝利;陳嘉勇;高洪博;;針對(duì)插入攻擊型Bootkit的分析及檢測(cè)[J];小型微型計(jì)算機(jī)系統(tǒng);2012年07期

8 徐慶禹;;一種非線性的無(wú)監(jiān)督對(duì)象檢測(cè)模型[J];中國(guó)西部科技;2013年09期

9 呂常魁;王寧生;徐研;;基于塊區(qū)域統(tǒng)計(jì)矩的實(shí)時(shí)運(yùn)動(dòng)檢測(cè)模型[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

10 潘泓;金立左;夏思宇;夏良正;;基于多層次互補(bǔ)特征的通用目標(biāo)檢測(cè)模型[J];電子與信息學(xué)報(bào);2012年07期

相關(guān)會(huì)議論文 前4條

1 梅躍松;楊樹(shù)興;莫波;;一種實(shí)時(shí)抗噪的運(yùn)動(dòng)區(qū)域檢測(cè)算法[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

2 于佳;王燕;;基于SOM的視頻中人工文本區(qū)域檢測(cè)方法[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2009年學(xué)術(shù)交流年會(huì)論文集[C];2010年

3 胡慶新;方躍;張淑鳳;;一種新的駕駛員疲勞檢測(cè)系統(tǒng)中的人臉區(qū)域檢測(cè)方法[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

4 劉偉寧;;基于運(yùn)動(dòng)區(qū)域檢測(cè)的目標(biāo)跟蹤算法[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅰ[C];2011年

相關(guān)博士學(xué)位論文 前7條

1 蔣鵬;圖像內(nèi)容顯著性檢測(cè)的理論和方法研究[D];山東大學(xué);2016年

2 李濤;基于上下文的目標(biāo)檢測(cè)研究[D];電子科技大學(xué);2016年

3 鄭彩俠;多空間域場(chǎng)景識(shí)別中主動(dòng)學(xué)習(xí)與融合策略研究[D];東北師范大學(xué);2016年

4 段亮亮;視覺(jué)顯著性區(qū)域計(jì)算及顯著性物體分割方法研究[D];燕山大學(xué);2016年

5 楊智;顯著性區(qū)域檢測(cè)方法研究[D];華中科技大學(xué);2015年

6 趙斌;基于圖模型的微博數(shù)據(jù)分析與管理[D];華東師范大學(xué);2012年

7 劉洋;顯著性區(qū)域檢測(cè)及室內(nèi)室外場(chǎng)景分類中關(guān)鍵技術(shù)研究[D];山東大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉琦;卷積檢測(cè)模型的GPU加速研究[D];上海交通大學(xué);2015年

2 張穎華;特定場(chǎng)景下的可變形部件模型[D];上海交通大學(xué);2015年

3 黃咨;基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)模型的研究[D];上海交通大學(xué);2015年

4 陳璐艷;基于范例集成的目標(biāo)檢測(cè)模型研究[D];上海交通大學(xué);2015年

5 許劍;基于andriod平臺(tái)手機(jī)的老人跌倒檢測(cè)識(shí)別方法研究[D];東南大學(xué);2015年

6 孫翔;在線社交網(wǎng)絡(luò)上的高效事件檢測(cè)模型[D];江蘇大學(xué);2016年

7 張文清;惡意RFID閱讀器檢測(cè)技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2016年

8 趙永福;基于行為特征的Windows Bootkit檢測(cè)模型的研究及其系統(tǒng)實(shí)現(xiàn)[D];電子科技大學(xué);2016年

9 江鷗;部分遮擋情況下的行人檢測(cè)[D];電子科技大學(xué);2016年

10 王炳人;視覺(jué)顯著性檢測(cè)研究[D];天津大學(xué);2014年

，

本文編號(hào)：1746687