文献

J-GLOBAL ID：201702227388247607   整理番号：17A1657675

融合背景事前と中心事前の顕著性目標検出【JST・京大機械翻訳】

Salient region detection based on the integration of background-bias prior and center-bias prior

著者 (4件)： Zhou Shuaijun (南通大学電气工程学院,南通226019;徳島大学理工学研究部,徳島7708506,日本) ,  Ren Fuji (徳島大学理工学研究部,徳島7708506,日本) ,  Du Jun (南通大学電气工程学院,南通,226019) ,  Yang Sai (南通大学電气工程学院,南通,226019)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 22  号： 5  ページ： 584-595  発行年： 2017年 
JST資料番号： C2782A  ISSN： 1006-8961  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 【目的】従来の顕著なターゲット検出アルゴリズムは,単一の事前情報に基づき,抽出した原画像情報の不完全性を解決し,この問題を解決するために,背景事前と中心事前融合に基づく新しいターゲット検出アルゴリズムを提案する。方法:まず第一に,端部超画素を吸収ノードとして,Markov連鎖を用いて,他の超ピクセルの平均吸収時間を計算し,バックグラウンドの事前値として,最初の背景を得た。次に,改良Harrisコーナ検出を用いて,ターゲット領域の位置を推定し,ターゲット中心に位置する2次元Gauss関数を構築し,各ピクセルの中心事前値を計算し,中心事前マップを得た。最後に,背景の事前グラフと中心事前画像を融合することにより,顕著なグラフを得た。同時に,この方法は多重スケール検出結果を融合し,さらに顕著な値の正確さを改善する。結果:ASD、SED1、SED2とSODの4つの公開データベースによる比較により、背景事前と中心事前融合アルゴリズムによる高い再現率、再現率とF-measureがあり、マルコフ吸収鎖アルゴリズムに比べて3%以上向上したことが証明された。全体の効果は現在の10種類の主流アルゴリズムより明らかに優れている。【結論】単一事前情報に基づくアルゴリズムと比較して,背景事前と中心事前融合に基づくアルゴリズムは,画像情報を完全に利用して,グローバルなコントラストを強調して,より多くの局所的情報を保存して,高い明るさを有する画像における顕著な目標を明らかにすることができた。この方法は単一目標の画像を検出する際に顕著な効果があるが、多目標に対する顕著性の検出はまだ不足している。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 画像 ,  データベース ,  コントラスト ,  画素 ,  二次元 ,  不整 ,  *アルゴリズム ,  Markov連鎖
準シソーラス用語： 再現率 ,  マルチスケール ,  Gauss関数 ,  コーナー検出 ,  画像情報 ,  事前知識 ,  検出アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： salient object detection ,  center-bias prior ,  background-bias prior ,  multi-scale detection

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 融合 ,  背景 ,  目標