The present invention relates to a color feature enhancement based cooperative detection algorithm without a single saliency residue, including the following steps: step 1: the pre-processing stage of a single saliency map; step 2: color feature enhancement, including the creation of saliency foreground dictionary, encoding the extracted color features, and cooperative saliency labeling. And collaborative saliency fusion; Step 3: The collaborative saliency map after fusion is processed by global collaborative saliency propagation.
【技术实现步骤摘要】
基于颜色特征增强的没有单一显著残差的协同检测算法
本专利技术属于计算机视觉领域，涉及一种图像视觉协同显著性检测技术，特别是涉及一种基于颜色特征增强的没有单一显著残差的协同检测算法。
技术介绍
协同显著性检测旨在检测一组图像中共同的显著性对象，那些只在个别图像或小部分图像群体中显着的对象在概念上被视为背景。协同显著性检测在计算机视觉应用中被广泛使用，比如图像协同分割，图像匹配，对象联合识别。Jacobs等人[1]首次提出了协同显著性检测问题；Li和Ngan[2]将协同显著性检测建模为某种单图像显著性和图像间相似性的显式组合；Cheng[3]等人通过最大化图像间相似性和图像内清晰度来识别图像集合中的协同显著性对象；Cao[4]计算自适应权重以融合多个单显着图，并使用秩约束来导出协同显著图。Liu[5]等人提出了使用联合fine-scale区域相似度和coarse-scale物体先验进行分层分割来检测协同显著性对象，Ye[6]等人提出有效的协同显著对象发现和恢复策略。Huang[7]等人提出了一个高斯混合模型来生成协同显著性先验并且通过用这些先验融合各个显著图来得到多幅...
【技术保护点】
1.一种基于颜色特征增强的没有单一显著残差的协同检测算法，包括下列步骤：步骤1：单一显著图的预处理阶段作为预处理步骤，对于一副输入图像，通过平均两个已有的显著检测器的结果来提取潜在的显著性区域，然后通过流形排序算法优化初始的单一显著图，提取到的图像i的单一显著图表示为Si；步骤2：颜色特征增强步骤2.1：显著性前景字典的创建采用具有四个指数，即0.5,1,1.5,2.5，的八种颜色特征，包括RGB，LAB，色调，饱和度，来形容这个32维的丰富的颜色特征空间，用图像超像素来表示每一副图像；本专利技术对每一副图像i使用Di表示超像素水平的颜色特征字典矩阵，字典创建包括超像素分割...
【技术特征摘要】
1.一种基于颜色特征增强的没有单一显著残差的协同检测算法，包括下列步骤：步骤1：单一显著图的预处理阶段作为预处理步骤，对于一副输入图像，通过平均两个已有的显著检测器的结果来提取潜在的显著性区域，然后通过流形排序算法优化初始的单一显著图，提取到的图像i的单一显著图表示为Si；步骤2：颜色特征增强步骤2.1：显著性前景字典的创建采用具有四个指数，即0.5,1,1.5,2.5，的八种颜色特征，包括RGB，LAB，色调，饱和度，来形容这个32维的丰富的颜色特征空间，用图像超像素来表示每一副图像；本发明对每一副图像i使用Di表示超像素水平的颜色特征字典矩阵，字典创建包括超像素分割，超像素水平颜色特征提取和转换；步骤2.2：对步骤2.1提取到的颜色特征进行编码为保证判别能力以及获得更可靠的特征系数通过OTSU自适应阈值来得到bin(·...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。