为了对各类自然场景中的显著目标进行检测,本文提出了一种将图像的深度信息引入区域显著性计算的方法,用于目标检测.首先对图像进行多尺度分割得到若干区域,然后对区域多类特征学习构建回归随机森林,采用监督学习的方法赋予每个区域特征显著值,最后采用最小二乘法对多尺度的显著值融合,得到最终的显著图.实验结果表明,本文算法能较准确地定位RGBD图像库中每幅图的显著目标.
参考文献
| [1] | 张辉;王耀南;周博文;葛继.医药大输液可见异物自动视觉检测方法及系统研究[J].电子测量与仪器学报,2010(2):125-130. |
| [2] | 张新龙;汪荣贵;张璇;朱静.基于视觉区域划分的雾天图像清晰化方法[J].电子测量与仪器学报,2010(8):754-762. |
| [3] | Itti L.;Koch C..A model of saliency-based visual attention for rapid scene analysis[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,199811(11):1254-1259. |
| [4] | Guangcan Liu;Zhouchen Lin;Yong Yu;Xiaoou Tang.Unsupervised Object Segmentation with a Hybrid Graph Model (HGM)[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,20105(5):910-924. |
| [5] | Felzenszwalb PF;Huttenlocher DP.Efficient graph-based image segmentation[J].International Journal of Computer Vision,20042(2):167-181. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%