视觉注意｜融合双特征图信息的图像显著性检测方法

论文基本信息

作者：崔玲玲,许金兰,徐岗,吴卿

单位：杭州电子科技大学计算机学院, 杭州 310018

           教育部复杂系统仿真与建模重点实验室, 杭州 310018

引用格式：Cui L L, Xu J L, Xu G, Wu Q. Image saliency detection method based on a pair of feature maps[J]. Journal of Image and Graphics, 2018, 23(4): 583-594. [崔玲玲, 许金兰, 徐岗, 吴卿. 融合双特征图信息的图像显著性检测方法[J]. 中国图象图形学报, 2018, 23(4): 583-594.]

DOI: 10.11834/jig.170367

阅读全文：

http://www.cjig.cn/html/jig/2018/4/weixin/20180413.html

论文亮点

1.解决了现有研究方法显著性目标检测结果不完整以及单一依靠颜色差异检测方法的局限性。

2. 结合了SLIC超像素分割和K-Means聚类算法进行图像特征的提取。

3. 融合颜色对比显著图和图像颜色空间分布特征图得到最终的显著图。

论文方法

 图1 本文方法流程图

图2  本文方法流程结果图

实验结果

成功案例

本文实验的数据集是公开的图像数据库MSRA-1000，并带有人工精确标注的二值化显著图。实验的运行环境是windows 7(32 bit)下的普通PC机，处理器为XeonE3-1231 v3，32GB内存DDR3 ECC，用MATLAB R2014a 实现本文方法。本文方法得到实验效果并与经典方法做了比较分析。图3、图4展示了不同方法的显著性检测结果。从图中可以看出，本文方法相比于经典方法，其结果有了明显的提高。

图3 不同方法结果对比图

图4 与近期显著性检测方法的对比图

 失败案例 

本文方法也存在一定的不足和局限性。当部分显著性目标与背景颜色相同或相近时，颜色的空间分布的求取结果不够理想，部分显著区域会分类为背景。图像背景颜色跳跃度大，或部分背景区域颜色亮度比较高，会对最终的显著性结果产生影响。图5展示了部分失败的算例。

图5  本文方法失败案例

专家点评

 针对现有研究方法显著性目标检测结果不完整以及单一依靠颜色差异检测方法的局限性，作者提出一种综合图像底层颜色对比特征图和图像颜色空间分布特征图的显著性检测方法，实验结果表明，文中方法能够有效而完整地检测出图像中的显著性区域。

中国图象图形学报 | 订阅号

传播学术，分享信息

用知识和情怀，陪你一路成长

                 官网：www.cjig.cn

                 电话：010-64807995

                 邮箱：jig@radi.ac.cn

遥感图像图形 | 服务号