基于两阶段评分显著性检测方法研究.pdfVIP

使用两阶段评分的显著性检测

李海生

工商大学计算机与学院，，

yaqiliu.cs@.com

本文中，我们提出了一种新的显著性检测方法，该方法

对具有复杂背景的图像具有鲁棒性。在我们的算法中，

制定了一种直观且直接的预处理方法，用于自适应地进最终显著性

输入图像吸收节点瞬态节点

行过分割。为了有效检测显著性，采用了一种两阶段评map

分方法，其中同时考虑了背景先验和前景线索。在第一图流形

阶段，我们在吸收链上进行随机，利用背随机排序

景先验；在第二阶段，第一阶段评分计算得到的图加权

显著性得分作为前景线索用于流形排序。在公开可用数自适应超像素显著图查询

基于背景的评分

据集上的实验结果表明，我们的方法在显著性物体检测分割

图构建基于前景的评分

方面优于最先进的方法。

图1.所提出方法的框架。

索引术语—显著性检测，两阶段评分，随机，流

形排序

瞬态节点和吸收节点分别对应图像和边界的超像素。

1.引言当候选对象覆盖图像边界时，该方法可能会失效。为了

解决上述问题，人[20]探索了边界连通性，直观

显著性检测旨在识别图像中视觉上显著的区域或对象

地假设显著对象与边界节点的连接远少于背景区域。杨等

[1,2],，并在近年来成为一个活跃的研究领域。它可以

人[18]将显著性检测视为基于图的排序问题，其中根据

促进许多计算机视觉任务，包括图像分割[3],、图像编

与背景和前景查询的相似性对超像素进行排序。背景查询

辑[4],、目标检测[5],、图像分类[6],、图像检索[7],

由四个图像边界给出，前景查询则是通过与背景查询排序

等。现有的显著性检测方法大致可分为两类，即自下而

得到的显著性得分的二值化结果。然而，二值化往往会丢

上方法[8–20]和自上而下方法[21,22]。由于复杂度高且

失有意义信息。

可扩展性差，自上而下方法的研究相对较少[2]。因此，

我们采用自下而上的方式来构建我们的方法。

由于缺乏知识，在显著性检测过程中选择了各我们的观察是，通过在吸收链上进行随机

种低级先验，例如，对比先验[8–16],背景先验[17–