概率框架下多特征显著性检测算法

作     者：杨小冈 李维鹏 马玛双 YANG Xiao-gang;LI Wei-peng;MA Ma-shuang

作者机构：火箭军工程大学 

基　　金：国家自然科学基金(No.61806209) 陕西省组合导航重点实验室基金(No.SKLIIN-20180103) 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2019年第47卷第11期

页      码：2378-2385页

摘      要：显著性检测是计算机视觉的一项基础问题,广泛地用于注视点预测、目标检测、场景分类等视觉任务当中.为提升多特征条件下图像的显著性检测精度,以显著图的联合概率分布为基础,结合先验知识,设计一种概率框架下的多特征显著性检测算法.首先分析了单一特征显著性检测的潜在缺陷,继而推导出多特征下显著图的联合概率分布;然后根据显著图的稀有性,稀疏性,紧凑性与中心先验推导出显著图的先验分布,并使用正态分布假设简化了显著图的条件分布;随后根据显著图的联合概率分布得到其极大后验估计,并基于多阈值假设构建了分布参数的有监督学习模型.数据集实验表明:相比于精度最高的单一特征显著性检测方法,多特征算法在有监督和启发式方法下的平均误差降低了6.98%和6.81%,平均F-measure提高了1.19%和1.16%;单幅图像的多特征融合耗时仅为11.8ms.算法精度较高,实时性好,且可根据不同任务选择所需的特征类别与先验信息,能够满足多特征显著性检测的性能要求.

主 题 词：显著性检测 联合概率分布 多特征融合 先验信息 指数分布族 极大后验估计 

学科分类：0808[工学-自动化类] 0809[工学-计算机类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.0372-2112.2019.11.020

馆 藏 号：203823392...