一种加权协同显著性检测方法.docVIP

  一种加权协同显著性检测方法 操晓春，张宝，冯伟，陶志强* （天津大学计算机科学与技术学院，天津，300072） 5 10 摘要：协同显著性检测的任务是自动检测多幅图像中所存在的共同显著区域。近几年提出了 若干种显著性检测方法。尽管他们都分别有各自的优点，但也存在各自的缺点。没有任何一 种独立的方法能够在不同类型的案例中都得到最优的结果。本文提出了一种能够自适应地结 合多种显著性检测的方法（AWS）。其性能要优于每一个独立的方法。融合过程首先计算 多幅显著性结果的自适应权值，然后使用所获权值对多幅显著性结果进行线性加权。本文提 出了一种具有一般性的协同性评价标准，利用这种标准，可以决定每一个参加融合的显著性 结果的较优权值。在标准数据库上的实验结果证明，本文的方法可以得到较好的协同显著性 检测结果。 关键词：计算机视觉；协同显著性； 自适应权值 中图分类号：TP39 15 An approach to weighted co-saliency CAO Xiaochun, ZHANG Bao, FENG Wei, TAO Zhiqiang (TianJin University Computer Science, Tianjin, 300072) Abstract: The task of co-saliency detection aims at automatically discovering common salient regions 20 25 30 35 40 across multiple images. Although several saliency detection strategies have been proposed in recent years, they have respective pros and cons. That is to say, none of them can claim to be the best in different cases from a specific standpoint.This paper presents a fusion scheme to adaptively take into account multiple saliency maps, which results in better performance than each saliency map constructed individually. The fusion is based on a linear combination of multiple saliency maps with adaptive weights. In addition, we propose a general consistency criterion to automatically determine the optimal weight of each individual saliency map. Experimental results on benchmark datasets demonstrate the satisfactory performance of the proposed method on co-saliency detection. Key words: computer vision; co-saliency; adaptive weight 0 引言 视觉注意是对人类视觉行为的一种有效模拟，旨在通过计算空间显著图来将显著物体从 它周围的环境中发现出来。这一过程，也可以看作是对计算资源的一种优先分配。单一图像 的显著性算法关注的是如何在一幅图像中检测出显著物体。近年来，这种算法已经成功地应 用在多个计算机视觉领域中，比如目标识别、图像分割和图像数据库查询。常用的自底向上 的，即基于底层特征的显著性检测算法可被粗略地分为生物学启发方法和计算导向算法。第 二类方法一般处理底层特征比如颜色、边的方向和运动方向等。Itti 等人[1]利用高斯差的方 法(IT)来估计这些特征。Cheng 等人[2]提出了基于整体对比的显著性提取方法(RC)，这种方 法同时考虑了全局对比的差异和空间关系，简单高效并且能够得到全分辨率的显著性检测图 像。但是，单一图像的显著性提取算法不能解决从具有相似物体的多幅图像中提取显著性物 体的问题。 协同显著性检测已经成为了计算机视觉领域内最重要并且富于挑战性的问题之一， 而且具有广泛应用，例如协同分割、协同特征检测和目标的协同识别等。近几年，一些协同 作者简介：操晓春（1980）， 男， 研究员， 计算机视觉. E-mai