| 基于全局和局部信息融合的显著性检测 |
| |
| 引用本文： | 刘尚旺,赵欣莹,杨磊. 基于全局和局部信息融合的显著性检测[J]. 河南师范大学学报(自然科学版), 2020, 48(3): 26-33. DOI: 10.16366/j.cnki.1000-2367.2020.03.005 |
| |
| 作者姓名： | 刘尚旺 赵欣莹 杨磊 |
| |
| 作者单位： | 河南师范大学计算机与信息工程学院,河南新乡453007,河南师范大学计算机与信息工程学院,河南新乡453007,河南师范大学旅游学院,河南新乡453007 |
| |
| 基金项目： | 河南师范大学博士科研启动基金;河南省科技攻关计划;河南省高等学校重点科研项目 |
| |
| 摘 要： | 为提高低对比度、复杂自然图像显著性检测的准确率和泛化性能,提出一种贝叶斯框架下的全局和局部信息融合的显著性检测模型.首先,构建深度卷积自编码网络,采用对称编解码结构,监督学习图像全局特征,得到全局显著图;然后,根据全局显著图产生前景和背景码本,利用局部约束线性编码算法进行编码,采用稀疏编码描述局部特征,产生局部显著图;最后,提出采用贝叶斯框架,将全局和局部信息融合,生成最终显著图.实验结果表明,所提模型在ECSSD,DUT-OMRON和PASCAL数据集上F-measure值分别为76.53%、59.45%和72.52%,MAE值分别为0.143 28、0.137 87和0.181 05,且能够有效对低对比度、复杂真实自然图像进行显著性检测.
|
| 关 键 词： | 显著性检测 贝叶斯框架 稀疏编码 深度卷积自编码网络 |
Saliency detection via fused global and local information |
| |
| Liu Shangwang,Zhao Xinying,Yang Lei. Saliency detection via fused global and local information[J]. Journal of Henan Normal University(Natural Science), 2020, 48(3): 26-33. DOI: 10.16366/j.cnki.1000-2367.2020.03.005 |
| |
| Authors: | Liu Shangwang Zhao Xinying Yang Lei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
