特征融合和多重约束的协同显著性检测

针对环境复杂的图像组中前景和背景信息混乱、共显性目标无法准确显示的问题,提出一种特征融合和多重约束的图像协同显著性检测算法.首先通过融合对象性概率优化的深度信息和颜色信息计算图像间显著性引导传播的显著值;然后使用深度概率指导的多重约束的背景先验方法计算图像内显著值以进一步优化;将两阶段得到的显著值进行区域性建议融合,采用最小二乘法学习得到最终的协同显著性结果.在公共数据集上的实验结果表明,该算法有效地利用图像间相似性信息且抑制了背景信息,使得显著目标更加接近真值标定结果;克服了复杂环境因素的影响,在各个实验指标上的评估结果都有明显提高.     

基于对象性和多层线性模型的协同显著性检测

针对背景环境复杂的图像组中协同显著性检测的共显性目标混乱不一致、准确率低的问题,提出了一种基于对象性和多层线性模型的图像协同显著性检测方法。首先通过显著性先验和对象性概率加权的背景引导因子BGO计算图像间显著性引导传播的显著值;然后设计了一种局部区域特征计算图像内显著值,并使用图像的hu矩的零、一阶和二阶矩对两阶段显著值进行整合;最后通过多层线性模型自适应地融合各个显著图得到最终结果。实验结果表明:本文算法分别在iCoseg和MSRC两个数据集上的平均精度达到了87.80%和83.50%,在其它实验指标上的评估结果也有明显提高,增强了算法的适应能力。