-
公开(公告)号：CN107622280A
公开(公告)日：2018-01-23
申请号：CN201710827725.1
申请日：2017-09-14
Applicant: 河南科技大学
Abstract: 基于场景分类的模块化处方式图像显著性检测方法，根据图像的FP显著图和bpGMR显著图构成图像场景色调复杂度表示模型；罗列在显著性检测过程中可能会使用到的所有检测模块，按照不同的简单色调场景结构类别和复杂色调场景结构类别选取适用的检测模块构成整体的检测流程对待测图像检测,得到最终的显著图。解决图像场景的“简单色调复杂结构”造成的前景目标误检问题与“复杂色调”场景中的天空区域引起的前景目标误检问题，借鉴医生给病人根据不同病情、按照不同药品或检查手段的治疗目标而开具不同处方的方式，提出不同的场景特征应使用不同的显著性检测方案，使得检测更具针对性，从而提高图像显著性检测的效果和效率。
-
公开(公告)号：CN107085725A
公开(公告)日：2017-08-22
申请号：CN201710263353.4
申请日：2017-04-21
Applicant: 河南科技大学
Abstract: 本发明涉及一种通过基于自适应码本的LLC聚类图像区域的方法，从已分割的超像素中提取颜色、纹理、Gabor、质心等特征后，通过融合的特征聚类邻近区域，以相似性结构图的形式提高邻近的多个区域间的可辩度，为减少甚至消除生成的显著图中前景边界附近的噪声提供非常有价值的线索，使前景边界更加清晰；使用多个特征作为计算显著图的依据，在复杂场景下，当颜色特征无法有效提取显著目标时，多特征信息作为有益补充可有效提高检测效果；扩展的LLC编码方案，将原始LLC中多个特征描述子分别编码再融入目标函数的方法扩展为先融合多个特征描述再一次性编码，简化了编码过程，强调了多个特征的整体性。
-
公开(公告)号：CN107067037A
公开(公告)日：2017-08-18
申请号：CN201710263340.7
申请日：2017-04-21
Applicant: 河南科技大学
Abstract: 本发明涉及一种使用LLC准则定位图像前景的方法，从标准测试集中选取大量随机图像，结合其显著区域真值标注图，提取图像前景的先验知识、形成LLC码本，使用LLC准则对待测图像的各个区域是否属于前景进行粗分类，并给出相应的显著性概率值；使用距图像中心的质心距离、局部Lab颜色对比值和全局Lab颜色对比值等基于对比的特征描述图像超像素区域，并用来学习前景\背景的典型特征作为指导图像超像素区域分类的先验知识，从经验角度获取高层知识只需学习一次即可多次指导区域分类，与仅从当前图像提取高层知识的方法相比不仅大大加快了前景定位的速度，而且用来提取的优势查询可使基于流形排序所获得的显著图中前景边界更加清晰、噪声更少。
-
-
Search Results
13
records
(took 0.018 seconds)
