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编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12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
徐新,穆楠,张晓龙.一种鲁棒的夜间图像显著性对象检测模型.软件学报,2018,28(9):2616-2631
一种鲁棒的夜间图像显著性对象检测模型
Robust Salient Object Detection Model for Nighttime Images
投稿时间:2017-04-25  修订日期:2017-07-10
DOI:10.13328/j.cnki.jos.005396
中文关键词:  视觉显著性  对象检测  区域协方差  全局搜索  夜间图像
英文关键词:visual saliency  object detection  region covariance  global search  nighttime image
基金项目:国家自然科学基金(61602349,61440016,61273225);湖北省青年科技晨光计划(2015B22);湖北省高校省级教学改革研究项目(2016234)
作者单位E-mail
徐新 武汉科技大学 计算机科学与技术学院, 湖北 武汉 430065
智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学), 湖北 武汉 430065 
xuxin@wust.edu.cn 
穆楠 武汉科技大学 计算机科学与技术学院, 湖北 武汉 430065  
张晓龙 武汉科技大学 计算机科学与技术学院, 湖北 武汉 430065
智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学), 湖北 武汉 430065 
 
摘要点击次数: 1601
全文下载次数: 1112
中文摘要:
      基于人类视觉注意机制的显著性对象检测模型作为能主动感知图像中重要信息的有效方法,对探索视觉早期认知过程的大范围知觉信息组织具有重要意义.然而,由于夜间图像具有低信噪比和低对比度特性,现有的视觉显著性对象检测模型在夜间场景中容易受到噪声干扰、弱纹理模糊等多方面因素的影响.有鉴于此,提出一种基于区域协方差和全局搜索的夜间图像显著性对象检测方法.首先,将输入图像分割为超像素块,并分别计算它们的协方差.然后,使用超像素块协方差的差异性作为适应度函数,并结合全局搜索算法来优化各个超像素块的显著值.最后,通过图扩散方法来精炼显著图结果.实验测试采用了5个公开图像数据集和1个夜间图像数据集,通过与11种目前主流的视觉显著性对象检测模型进行对比,综合评价了所提出模型的性能.
英文摘要:
      Human visual attention based saliency model is an effective way for the active perception of important information in image, and it can play an important role for exploring large-scale perceptual information organization in the early stage of visual cognitive process. However, nighttime images usually have low signal-to-noise ratio and low contrast properties. Conventional salient object detection models may face great challenges in this scenario, such as noise influence, and weak texture blur. This paper proposes a region covariance and global search based salient object detection model for nighttime images. The input image is firstly divided into superpixel regions to estimate their covariance. Then, covariance feature based local saliency and global search based image saliency can be calculated respectively. Finally, a graph-based diffusion process is performed to refine the saliency maps. Extensive experiments have been conducted to evaluate the performance of the proposed method against eleven state-of-the-art models on five benchmark datasets and a nighttime image dataset.
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
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