文献类型：期刊文章

作　　者：王军[1] 吴泽民[1] 杨巍[2] 胡磊[1] 张兆丰[3] 姜青竹[4]

WANG Jun;WU Ze-min;YANG Wei;HU Lei;ZHANG Zhao-feng;JIANG Qing-zhu(College of Communications Engineering,Army Engineering University of PLA,Nanjing 210007,China;No.722 Research Institute,China Shipbuilding Industry Corporation,Wuhan 430079,China;The 61428th Troops of the PLA,Beijing 100071,China;The 95980th Troops of the PLA,Xiangyang,Hubei 442101,China)

机构地区：[1]中国人民解放军陆军工程大学通信工程学院 [2]中船重工集团公司第七二二研究所 [3]中国人民解放军61428部队 [4]中国人民解放军95980部队

出　　处：《计算机科学》

年　　份：2018

卷　　号：45

期　　号：8

起止页码：258-263

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对目前基于稀疏表示的显著性检测算法中存在的边界显著性检测不足、字典表达能力不够等问题,提出一种基于稀疏恢复与优化的检测算法。首先对图像进行滤波平滑和超像素分割,并从边界与内部超像素中挑选可靠的背景种子构建稀疏字典;然后基于该字典对整幅图像进行稀疏恢复,根据稀疏恢复误差生成初始显著图;再运用改进的基于聚类的二次优化模型对初始显著图进行优化;最后经过多尺度融合得到最终显著图。在三大公开测试数据集上的实验结果表明,所提算法能够保持高效快速、无训练等优点,同时性能优于目前主流的非训练类算法,在处理边界显著性方面表现优异,具有较强的鲁棒性。

关 键 词：显著性检测 稀疏恢复  显著性优化  

分 类 号：TP393]