IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

基于自适应背景模板与空间先验的显著性物体检测方法

已有 484 次阅读 2024-6-24 16:28 |系统分类:博客资讯

引用本文

 

林华锋, 李静, 刘国栋, 梁大川, 李东民. 基于自适应背景模板与空间先验的显著性物体检测方法. 自动化学报, 2017, 43(10): 1736-1748. doi: 10.16383/j.aas.2017.c160431

LIN Hua-Feng, LI Jing, LIU Guo-Dong, LIANG Da-Chuan, LI Dong-Min. Saliency Detection Method Using Adaptive Background Template and Spatial Prior. ACTA AUTOMATICA SINICA, 2017, 43(10): 1736-1748. doi: 10.16383/j.aas.2017.c160431

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160431

 

关键词

 

显著性检测,背景模板,传播机制,空间先验 

 

摘要

 

目前,显著性检测已成为国内外计算机视觉领域研究的一个热点,但现有的显著性检测算法大多无法有效检测出位于图像边缘的显著性物体.针对这一问题,本文提出了基于自适应背景模板与空间先验的显著性物体检测方法,共包含三个步骤:第一,根据显著性物体在颜色空间上具有稀有性,获取基于自适应背景模板的显著图.将图像分割为超像素块,提取原图的四周边界作为原始背景区域.利用设计的自适应背景选择策略移除原始背景区域中显著的超像素块,获取自适应背景模板.通过计算每个超像素块与自适应背景模板的相异度获取基于自适应背景模板的显著图.并采用基于K-means的传播机制对获取的显著图进行一致性优化;第二,根据显著性物体在空间分布上具有聚集性,利用基于目标中心优先与背景模板抑制的空间先验方法获得空间先验显著图.第三,将获得的两种显著图进行融合得到最终的显著图.在公开数据集MSRA-1000SODECSSD和新建复杂数据集CBD上进行实验验证,结果证明本文方法能够准确有效地检测出图像中的显著性物体.

 

文章导读

 

显著性检测是指模拟人类的视觉检测机制, 采用计算机视觉方法在一幅图像中通过抑制图像中冗余繁杂的背景信息提取出人们感兴趣的物体.近年来, 显著性物体检测的研究引起众多学者的兴趣, 提出了许多显著性检测方法[1-6], 并将其广泛地应用于图像分割[7]、目标识别[8-9]、图像检索[10]和图像分类[11]等多个领域.

 

根据显著性物体与背景区域具有较高对比度这一假设, Cheng[12]提出了基于"对比优先"的显著性检测模型.当一个显著性物体包含多个对比度较大区域时, 该方法不能完整地提取显著性物体.根据图像边界区域更有可能是背景这一假设, Li[3, 13-16]提出了基于"背景优先"的显著性检测模型.该类显著性检测方法将图像边界作为背景区域, 通过计算每个区域与背景区域的相异度获取显著图.但当显著性物体在背景区域中所占比例过大时, 检测结果会有所偏差, 同时最终的显著图中相邻显著性区域往往具有不连续显著值.

 

针对以上显著性模型存在的问题, 结合显著性物体具有颜色稀有性与空间分布聚集性等特征, 本文提出了一种显著性物体检测方法, 能够有效检测位于图像边缘的显著性物体.该方法包含三个步骤: 1) 根据显著性物体的颜色稀有性, 提出了一种基于自适应背景模板的显著性检测方法, 获取基于自适应背景模板的显著图.该方法将图像边缘区域作为原始背景区域, 当显著性物体位于图像边缘时, 原始背景区域中不可避免地会存在一些显著区域.因此本文提出了一种自适应背景选择策略, 能够有效去除背景区域中的显著区域, 并将筛选后的背景区域作为自适应背景模板.通过计算超像素块与背景模板之间的相异度, 获取基于自适应背景模板的显著图.由于获取的显著图中属于同一显著性物体的相邻超像素块的显著值不具有连续性, 因此设计了一种基于K-means的传播机制对其进行了优化, 保证区域显著性的一致性. 2) 根据显著性物体的空间分布聚集性, 提出了一种基于目标中心优先与背景模板抑制的显著性检测方法, 获取基于空间先验的显著图.该方法可增强位于边缘区域的显著物体的显著性, 同时抑制背景区域的显著性, 使对比效果更加明显. 3) 将获得的两种显著图进行融合得到最终的显著图.

 

本文结构安排如下:1节介绍显著性物体检测方法的相关研究工作; 2节介绍本文提出的基于自适应背景模板与空间先验的显著性物体检测方法; 3节介绍本文方法与其他算法在标准数据集上的对比结果, 对方法中各个组成部分进行评测, 并将提出的算法用于基于Web的协同显著性检测; 4节总结本文并讨论进一步的研究方向.

 1  SCB框架图

 2  基于自适应背景模板的显著图

 3  利用传播机制优化基于自适应背景模板显著图

 

本文提出一种基于自适应背景模板与空间先验的超像素级的显著性检测方法.通过在4个数据集上与现有的显著性模型对比, 针对显著性物体位于图像边界的图像、背景比较复杂的图像和包含多个显著物体的图像, 提出的SCB方法能够取得更好的性能.但是当显著性物体与背景模板的颜色特征十分相似时, 提出的显著性检测算法不能完整地检测显著性物体.针对提出算法的不足之处, 未来工作的主要目标是通过引入更多的底层特征来优化SCB方法, 并降低显著性检测的运行时间.

 

作者简介

 

林华锋

南京航空航天大学大学硕士研究生.主要研究方向为计算机图像处理.E-mail:nuaalhf@163.com

 

刘国栋

江苏省委党校硕士研究生.主要研究方向为计算机仿真, 电子信息与图像处理.E-mail:liuguodongzdhxb@gmail.com

 

梁大川 

南京航空航天大学大学硕士研究生.主要研究方向为计算机图像处理.E-mail:dacliang@nuaa.edu.cn

 

李东民 

南京航空航天大学大学硕士研究生.主要研究方向为计算机图像处理.E-mail:nuaa lidm@163.com

 

李静 

南京航空航天大学计算机科学与技术学院副教授.2004年获南京大学计算机科学与工程系博士学位.主要研究方向为数据挖掘, 计算机图像处理.本文通信作者, E-mail:jingli@nuaa.edu.cn



https://blog.sciencenet.cn/blog-3291369-1439541.html

上一篇:单通道脑电信号眼电伪迹去除算法研究
下一篇:视频中旋转与尺度不变的人体分割方法
收藏 IP: 150.242.79.*| 热度|

1 杨正瓴

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-7-20 21:38

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部