-
公开(公告)号：CN106952251B
公开(公告)日：2019-07-16
申请号：CN201710111506.3
申请日：2017-02-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于吸附模型的图像显著性检测方法，包括下述步骤：首先来确定候选的显著性区域和背景区域，并通过形状滤波和边界滤除来优化候选的显著性区域和背景区域候选显著性区域计算；然后通过基于漏电的积分放电模型的胜者得全网络来确定视觉场景中的关注焦点；使用基于关注焦点和背景区域的吸附过程来判断候选的显著性区域是否是显著的；最后通过度量显著性区域和背景区域的颜色差异和空间距离来度量显著性区域中每个像素点的显著性值，并通过显著性传播和高斯滤波优化显著性图。本发明选用ASD数据集进行测试，能够保证显著图结果符合要求，在其它各类自然图像上也均能得到准确度高的显著图结果。
-
-
公开(公告)号：CN106952251A
公开(公告)日：2017-07-14
申请号：CN201710111506.3
申请日：2017-02-28
Applicant: 华南理工大学
CPC classification number: G06T7/0002 , G06K9/6223 , G06T2207/10004
Abstract: 本发明公开了一种基于吸附模型的图像显著性检测方法，包括下述步骤：首先来确定候选的显著性区域和背景区域，并通过形状滤波和边界滤除来优化候选的显著性区域和背景区域候选显著性区域计算；然后通过基于漏电的积分放电模型的胜者得全网络来确定视觉场景中的关注焦点；使用基于关注焦点和背景区域的吸附过程来判断候选的显著性区域是否是显著的；最后通过度量显著性区域和背景区域的颜色差异和空间距离来度量显著性区域中每个像素点的显著性值，并通过显著性传播和高斯滤波优化显著性图。本发明选用ASD数据集进行测试，能够保证显著图结果符合要求，在其它各类自然图像上也均能得到准确度高的显著图结果。
-
公开(公告)号：CN105139018A
公开(公告)日：2015-12-09
申请号：CN201510548494.1
申请日：2015-08-31
Applicant: 华南理工大学
IPC: G06K9/46
CPC classification number: G06K9/4671
Abstract: 本发明提供了一种基于颜色和纹理聚集度的图像显著性检测方法，包括以下步骤：步骤1、颜色显著性计算；步骤2、纹理显著性计算；步骤3、置信特征选择；步骤4、加权置信特征融合。本发明在ASD数据集上进行测试，能够保证显著图结果符合要求，具有在各类自然图像上均能得到准确度高的显著图结果等优点。
-
-
-
Search Results
4
records
(took 0.018 seconds)
