基于超像素分类的显著目标检测.pdf

第 34 卷 第 1 期 计算机应用与软件 VoL 34 No . 1 2017年 1 月 Computer Applications and Software Jan . 2017 基于超像素分类的显著目标检测 李 继 德 李 晓 强 沙 彩 霞 (上海大学计算机工程与科学学院上海200444) 摘 要 结合边界- 中心先验信息与超像素分割技术提出一种新的显著性目标检测方法。首先对种子点进行 分类 , 使得分割后的超像素具有背景或前景属性。然后，从空间和颜色两个方面对每个超像素区域计算其背景显 著性和前景显著性。最后，对不同的显著性值进行融合得到最终显著性值。一方面通过实验说明空间、颜色、前 景和背景等因素在显著性计算中具有重要作用；另一方面，通过与其他显著性检测算法进行比较，证明该方法优 于现存的 8 种方法。 关键词 显 著 性 检 测 超 像 素 分 割 边 界 - 中心知识前景-背景 中图分类号 TP3 文献标识码 A D0I 10. 3969/j. issn. 1000-386x. 2017. 01.033： SALIENT OBJECT DETECTION BASED ON SUPER-PIXEL CLASSIFICATION Li Jide Li Xiaoqiang Sha Caixia {School o f Computer Engineering and Science, Shanghai University, Shanghai 200444, China) Abstract A new salient detection method combining super-pixel segmentation with boundary-center priors is proposed. Firstly, the image is segmented by SLIC method to get super-pixel region classified as background or foreground. Then,we calculate the saliency of the regions in the respect of color and space. Finally,the fusion of different aforementioned salient value is computed as the total saliency. In the experiments, the importance of foreground, background , color, space in salient calculation are analyzed; on the other side, extensive experimental results show that the performance of this method is higher than the other 8 state-of-the-art saliency detection methods. Keywords Salient detection Super-pixel Boundary-center priors Foreground-background 近几年来，关于显著性的研究致力于目标级显著性检 〇 引 言 测[4 ，不同于生物驱动显著性仅致力于研究某些点 在什么位置，这里研究的是显著目标在什么位置。关 人类对外界信息的感知，8 0 % 是