电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

基于视觉显著图的物体检测VIP免费

基于视觉显著图的物体检测_第1页
1/4
基于视觉显著图的物体检测_第2页
2/4
基于视觉显著图的物体检测_第3页
3/4
第30卷增刊22010年12月计算机应用JournalofComputerApplicationsVo1.30Supp1.2Dec.2010文章编号:1001—9081(2010)s2—0082—04基于视觉显著图的物体检测杨磊,施美玲,彭国琴,徐丹(云南大学计算机科学与工程系,昆明650091)(hyde_tidus@163.corn)摘要:提出了一种基于视觉显著图的显著物体检测方法。对自底向上视觉显著图计算模型进行了改进,首先对输入的彩色图片提取强度、颜色、方向三类特征金字塔;增加了轮廓弯曲度的检测,目的是使显著图形状更逼近物体;然后采用“中心一周围”算法得到三类特征图,经归一化后线性合并成最终的视觉显著图;在得到的显著图的基础上,用区域生长算法进行分割,分割的目的是为了能更显著地突出物体的大致轮廓,也减小了物体周围像素对物体的影响,分割后得到阂值化的视觉显著图。最后,对阂值化的显著图进行有效子窗口搜索,从而检测得到显著物体的位置。实验结果表明了所提方法的有效性。关键词:视觉显著图;区域生长分割;轮廓弯曲度;有效子窗口搜索;物体检测中图分类号:TP391.41文献标志码:AobjectdetectionbasedonsaliencymapYANGLei,SHIMei—ling,PENGGuo—qin,XUDan(D印“me眦ofComputerSciencen,Engineering,YunnanUniversity,KunmingYunnan650091,China)Abstract:Thispaperpresentedamethodwhichcoulddetectsalientobjectbasedonsaliencymap.Thismethodaddedcurvaturetobottom—upvisualattentionmodelinordertoobtainmoreapproximateshapeoftheobject.Firstly,intensity,colorandorientationfeaturemapswereextractedbybottom—upvisualattentionmode1.Totalthreenormalizedfeaturemapsobtainedbycenter—surroundapproachwerelinearlycombinedtosaliencymap.Curvaturesaliencymapwasprocessedtohighlightmoresalientshapeandreducethenegativeefectofthesurroundingpixelsbyregion—growsegmentationalgorithm.Salientobjectlocationwasobtainedbyefectivesub—windowsearchinsaliencymapwhichwasprocessedbythreshold.Experimentalresultsshowtheefeetivenessofthismeth0d.Keywords:saliencymap;region—growsegmentation;curvature;EficientSubwindowSearch(ESS);objectdetection0引言视觉显著图的检测在近几年来有大量深入、有趣的研究及应用。简单来说,视觉显著性驱动人类感知注意,使人的感知注意能更加关注于一些显著的物体。计算视觉显著度的方法分为两种,分别是自底向上的计算方法和自顶向下的计算方法。自底向上的计算图像显著性方法是基于底层的特征,包括强度、颜色、纹理等,而自顶向下的图像计算显著性方法是基于任务驱动或目的驱动等。自底向上的计算图像显著性方法先注意到图像的局部特征,而自顶向下的计算图像显著性方法先注意到图像的整体特征。近几年中许多针对视觉显著性研究,较早的有文献[1]中提出的经典计算模型。文献[1]中对原图从强度、颜色、方向三个特征采用高斯金字塔计算显著性,得到的各个显著图线性合并,同时采用禁止返回机制的WTA(Winner—Take—AⅡ)方法得到最终的显著图,基于视觉显著性,对人眼关注显著物体的机制进行了仿真。文献[2—3]中则将自顶向下计算方法和自底向上计算方法视为一个分类问题,其目的是为了减少显著性分类的错误。文献[4]基于对大量彩色图像的统计信息,同时根据颜色的独特性得到了显著特征。文献[5]中采用文献[4]中的方法,同时提出了轮廓弯曲度显著性,首先通过计算弯曲度显著性和颜色显著性,然后再通过中心化聚类同时结合图像分割的方法,检测出最显著物体。本文中,首先对文献[1]中的计算视觉显著性的模型进行了改进,加入了轮廓弯曲度,使得显著物体的轮廓和形状能得到很好的保持,以便更准确地定位显著物体;其次,采用区域增长方法做了基于物体轮廓的分割;最后根据分割的结果采用子窗口搜索技术来检测显著物体。1视觉显著图视觉显著度表示的是图像特征的显著程度。本文中计算视觉显著图的方法如图1,在Ini模型中,提出了一种依据对象区域及其邻域的局部信息计算视觉显著度的模型,本文沿用了这一思路来计算底层特征,包括强...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

基于视觉显著图的物体检测

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部