基于manifold ranking和结合前景背景特征的显著性检测

《基于manifold ranking和结合前景背景特征的显著性检测》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。基于ManifoldRanking和结合前景背景特征的显著性检测　　摘要：　　针对基于图和流形排序的显著性检测算法过度依赖边界节点的背景特征的问题，提出一种改进的结合前景背景特征的显著性检测算法。首先，对图像进行超像素分割，建立闭环图模型；然后利用流形排序算法根据图像前景特征和背景特征分别得出前景种子和背景种子；再通过亮度和颜色特征对两类种子进行结合，筛选出更为准确的查询节点；最后再利用流形排序算法进行显著值计算，

2、得到最终的显著图。实验表明，改进方法与MR算法相比在精确率、召回率、F值等多个评价指标上均有明显提升，得到的显著图更接近真值。　　关键词：　　显著性检测；流形排序；查询节点；显著图；显著区域　　中图分类号：　　　　文献标志码：A　　Abstract：　　Focusingontheissuethatthesaliencydetectionalgorithmviagraphbasedmanifoldrankingisoverdependentonbackgroundfeaturesextractedfromboundarynodes，animprovedsaliencydetection为了充

3、分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。algorithmcombinedwithforegroundandbackgroundfeatureswasproposed.Firstly，animagewasdividedintoseveralsuperpixelsandaclos

4、eloopmodelwasconstructed.Secondly，theforegroundandbackgroundseedswereobtainedbyusingmanifoldrankingalgorithmaccordingtoforegroundandbackgroundfeatures.Thenthesetwokindsofseednodeswerecombinedthroughbrightnessandcolorcharacteristics，resultinginmoreaccuratequerynodes.Finally，asaliencymapoftheimagewa

5、sobtainedbycomputingthesaliencyvalueviamanifoldrankingalgorithm.ExperimentalresultsshowthatcomparedwithMRalgorithm，theprecisionrate，therecallrateandtheFmeasureoftheproposedalgorithmaresignificantlyimproved，andtheobtainedsaliencymapsaremuchmoreclosetothetruevalue.　　英文关键词Keywords：　　saliencydetection

6、；ManifoldRanking；querynode；saliencymap；salientregion　　0引言为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　近年来，随着计算机和互联网技术的飞速发展，多媒体数据呈现爆炸式的增长，多媒体信息的存储、传输和处理变得越来越重要，

7、尤其是图像处理相关的研究和应用。显著性检测就是图像分析处理前期的一个重要工作，它的任务就是检测出图像中最显著最重要的部分。通过显著性检测可以将有限的计算资源优先分配给图像中的显著区域，大大提高图像分析和处理的效率。　　图像的显著性检测，简单来说是指将图片中的显著性区域从非显著性区域中分离出来。它作为一种图像预处理技术，可以用于后期的图像分割[1]、物体检测[2]、自适应图像压缩[3]、基于内容的图像检索[4]、视频目标检