文献类型：期刊文章

作　　者：李梦[1,2] 刘星[1] 任泽民[3]

LI Meng;LIU Xing;REN Ze-min(College of Economics and Business Administration,Chongqing University,Chongqing 400030,China;College of Mathematics and Statistics,Chongqing Technology and Business University,Chongqing 400067,China;College of Mathematics and Physics,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]重庆大学经济与工商管理学院,重庆400030 [2]重庆工商大学数学与统计学院,重庆400067 [3]重庆科技学院数理学院,重庆401331

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61601068);重庆市基础与前沿研究计划(No.cstc2015jcyj A40029);重庆市教委科学计划研究(No.KJ1601317);重庆工商大学校内科研(No.2016-56-08;No.1752002)

年　　份：2018

卷　　号：46

期　　号：7

起止页码：1683-1690

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：基于变分框架和相变换理论,提出能量泛函应用于图像显著性检测,采用Sobolev梯度法最小化该能量泛函,由此导出基于时间的演化系统应用于计算机视觉选择,其检测过程是图像显著和非显著分量的竞争变化.比较传统的L2梯度,Sobolev度量具有更好的正则性.论文阐述了演化系统的动态行为和视觉选择之一致性,这对探索新的显著性检测机制非常重要.实验显示,本文模型在较好压制图像背景的同时,获得较为精细的目标、纹理,绒毛等信息,这些信息对于视觉感知是非常重要的.

关 键 词：视觉注意 显著性检测 相场方法 变分模型 Sobolev梯度  

分 类 号：TP391]