模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2015, Vol. 28 Issue (3): 275-281    DOI: 10.16451/j.cnki.issn1003-6059.201503012
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于全局和局部信息融合的图像显著性检测*
鲍蕾,陆建江,李阳,史艳伟
中国人民解放军理工大学 指挥信息系统学院 南京 210007
Image Saliency Detection Based on Global and Local Information Fusion
BAO Lei, LU Jian-Jiang, LI Yang, SHI Yan-Wei
College of Command Information Systems, PLA University of Science and Technology, Nanjing 210007

全文: PDF (696 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 视觉注意机制是机器视觉的重要组成部分,受到越来越多的关注.文中提出一种基于全局和局部信息融合的图像显著性检测方法.模型首先对输入图像进行离散剪切波分解,得到尺度系数和剪切波系数.由于剪切波系数包含大部分图像细节信息,模型在每个分解层上对剪切波系数重构得到描述特征图.在特征图的基础上,一方面从全局的角度出发,使用所有特征图获取特征向量计算全局概率密度分布矩阵,进而构建全局显著图,另一方面从局部的角度出发,在每幅特征图上计算局部区域的熵值,进而构建局部显著图.最后对两幅显著图进行融合,得到综合显著图.实验结果验证该算法的有效性和可行性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
鲍蕾
陆建江
李阳
史艳伟
关键词 图像显著性检测离散剪切波变换概率密度分布    
Abstract:Visual Attention System is an important part of computer vision receiving more and more attention. In this paper, an image saliency detection model is presented based on global and local information fusion. The model firstly makes discrete shearlet decomposition on input image to obtain shearlet and scaling coefficients. As the shearlet coefficients contain most details of an image, a feature map is reconstructed on each decomposition level by performing inverse shearlet transform on these coefficients. Based on the feature maps, global and local contrasts are derived. On one hand, feature vectors are obtained by using all the feature maps to describe the detected image, and the global probability density distribution is calculated to obtain the global saliency value. After that, a global saliency map is obtained. On the other hand, the local entropy is calculated to measure the geometric distribution complexity of local areas on each feature map. After the local saliency value is obtained for every decomposition level, the local saliency map is built. By properly fusing global and local saliency maps, the total saliency map is obtained. The experimental results show that the proposed saliency detection model performs better than current models do.
Key wordsSaliency Detection    Discrete Shearlet Transformation    Probability Density Distribution    Entropy   
收稿日期: 2013-11-08     
ZTFLH: TP391  
基金资助:国家自然科学基金项目(No.61273210)资助
作者简介: 鲍蕾(通讯作者),女,1987年生,博士研究生,主要研究方向为视频图像处理.E-mail:baolei1219@sina.cn.陆建江,男,1968年生,副教授,博士生导师,主要研究方向为智能计算、机器学习、模式识别等.李阳,男,1984年生,讲师,博士研究生,主要研究方向为图像处理.史艳伟,女,1985年生,硕士,工程师,主要研究方向为机器学习.
引用本文:   
鲍蕾,陆建江,李阳,史艳伟. 基于全局和局部信息融合的图像显著性检测*[J]. 模式识别与人工智能, 2015, 28(3): 275-281. BAO Lei, LU Jian-Jiang, LI Yang, SHI Yan-Wei. Image Saliency Detection Based on Global and Local Information Fusion. , 2015, 28(3): 275-281.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201503012      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2015/V28/I3/275
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn