主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2021年第1期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
陈加忠,曹华,苏曙光,伊斯刚.自组织映射与流形学习的图像显著度检测.软件学报,2015,26(S2):137-144
自组织映射与流形学习的图像显著度检测
Saliency Detection Using Self Organizing Map and Manifold Learning
投稿时间:2014-06-20  修订日期:2014-08-20
DOI:
中文关键词:  显著度检测  自组织映射  流形学习  半监督学习  无向图
英文关键词:saliency detection  self organizing map  manifold learning  semi-supervised learning  undirected graph
基金项目:国家自然科学基金(61300140);现代信息科学与网络技术北京市重点实验室开放课题(XDXX1307)
作者单位E-mail
陈加忠 华中科技大学计算机科学与技术学院, 湖北武汉 430074 chenjz70@163.com 
曹华 华中科技大学计算机科学与技术学院, 湖北武汉 430074  
苏曙光 华中科技大学计算机科学与技术学院, 湖北武汉 430074  
伊斯刚 重庆师范大学物理与电子工程学院, 重庆 408331  
摘要点击次数: 1522
全文下载次数: 1231
中文摘要:
      提取反映图像内容的结点以及为这些结点分配初始标签,是半监督学习用于显著度检测的关键问题.通过自组织映射把图像分成多个结点,这些结点不但反映图像内容的颜色特征,还能够反映图像内容的轮廓特征.然后通过把二维结点图嵌入到高维的空间构造带权无向图.由于无向边的对称性,进一步采用流形学习的方法,把无向图和半监督学习结合起来,通过预设边界结点预期的显著度,最终计算出所有结点的显著度.实验结果表明,与近年提出的几种经典的显著度检测算法相比,所提出的方法取得了较好的Precision-Recall性能和较舒服的视觉效果.
英文摘要:
      Extracting nodes that reflect image content and assigning initial labels for these nodes are two critical technologies for saliency detection. A novel method of saliency detection is proposed by this work. It consists of two main parts, one is self organizing map (SOM), and the other is manifold learning (ML). Hundreds of nodes are obtained by the SOM. These nodes can capture not only the color, but also the contour of image content. By means of embedding a two dimension map into higher Euclid space, a weighted undirected graph is constructed. In consideration of edge symmetry in undirected graph, a manifold learning method, which combines undirected graph and semi-supervision, is further proposed. With supplied initial saliency values for nodes along image borders, the saliency values are computed for all nodes. Experimental results demonstrate the proposed model not only achieves high performance on precision and recall, but also presents a pleasing visual effect.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利