|
|||||
|
|
| 基于局部特征与全局特征的显著性目标检测 | |
| 引用本文： | 陈振学,贺超,刘成云.基于局部特征与全局特征的显著性目标检测[J].控制与决策,2016,31(10):1899-1902. |
| 作者姓名： | 陈振学 贺超 刘成云 |
| 作者单位： | 1. 山东大学控制科学与工程学院，济南250061； 2. 南京信息工程大学江苏省大数据分析重点实验室，南京210044； 3. 浙江大学CAD&CG国家重点实验室，杭州310058. |
| 基金项目： | 国家自然科学基金项目(61203261, 61273277)；山东省自然科学基金项目(ZR2012FQ003)；浙江大学CAD&CG国家重点实验室开放课题(A1514)；江苏省大数据分析技术重点实验室(南京信息工程大学) 开放课题(KXK1404). |
| 摘 要： | 在采用图像谱残差分析方法获取全局特征显著性图像的基础上, 利用小波变换在时域和频域具有的局部特征信息表征能力, 通过对图像包含的不同特征信息进行小波变换, 去除各个特征图中的冗余信息, 得到图像局部特征显著部分, 对两种分析方法下获得的显著图进行融合分析, 获得最终的图像显著部分, 并利用视觉转移机制在原图中勾画出显著性目标. 实验结果分析表明, 改进后的方法提高了图像显著目标检测的准确率. |
| 关 键 词： | 谱残差|小波变换|局部特征|全局特征|目标检测 |
| 收稿时间： | 2015/8/9 0:00:00 |
| 修稿时间： | 2015/10/27 0:00:00 |
Image saliency target detection based on global features and local features |
|
| CHEN Zhen-xue HE Chao LIU Cheng-yun.Image saliency target detection based on global features and local features[J].Control and Decision,2016,31(10):1899-1902. | |
| Authors: | CHEN Zhen-xue HE Chao LIU Cheng-yun |
| Abstract: | The method of spectral residual analysis is adopted to get the global features’ saliency map, and the wavelet transforms’ local feature information representation ability in the time domain and frequency domain is used to remove redundant information and get local features highlights. The two ways are combined to get the final-saliency map and block out the saliency target. Experimental results show that the detection accuracy is improved by using the proposed method. |
| Keywords: | spectral residual|wavelet transform|local features|global features|target detection |
| 点击此处可从《控制与决策》浏览原始摘要信息 | |
| 点击此处可从《控制与决策》下载全文 | |
