图像显著目标检测

针对现有算法对复杂背景的图像检测效果较差的问题，提出融合区域对比度和背景先验的显著目标检测算法。首先利用超像素分割将图像分割成感知均匀的图像块，然后根据区域对比度计算全局对比度特征和空间聚集度特征，再

针对自顶向下显著性目标检测边界模糊及准确率低的问题，提出一种结合条件随机场（conditionalrandomfield，CRF）和流行排序（manifoldranking，MR）的自顶向下显著性目标

从视觉系统生理结构出发，对Itti视觉注意力模型进行了改进，融入运动特征，提出了一种基于视觉空时显著性感知的运动目标检测方法。首先提取图像的空间特征，形成空间显著图；然后利用相邻帧图像的全局运动、局部

从序列图像中提取变化区域是运动检测的主要作用，动态背景的干扰严重影响检测结果，使得有效性运动检测成为一项困难工作。受静态图像显著性检测启发，提出了一种新的运动目标检测方法，采用自底向上与自顶向下的视觉

多目标检测是智能交通监控系统的一项重要和挑战性的工作。提出一种基于多方向显著子区域置信表决的多目标检测方法。利用Gabor滤波提取目标四方向显著特征像素；根据多阈值条件确定每个目标的有效子区域及尺度；

基于多波段SAR图像目标检测决策级融合和图像分类的目标状态标注 ku 波段 L波段 X 波段 P波段

图像协同显著性检测旨在检测一组内容相关的图像中的共同的显著目标。尽管在视觉特征学习以及检测算法等方面已有大量研究工作,但是大多数协同显著性研究集中于RGB图像,并没有充分利用图像深度等显著信息。考虑到

随着计算机视觉的发展，图像显著区域检测在图像处理领域越来越重要。为了对自然图像中的显著区域进行准确的检测，提出了一种基于区域对比的图像显著性检测方法。首先对图像进行超像素分割预处理，然后利用图像的颜色

基于显著性检测的花卉图像分割，谢晓东，吕艳萍，针对花卉图像复杂的背景问题，本文提出基于显著性检测的花卉图像前景分割方法。该方法通过为花卉图像的显著性区域训练前景背景分

基于视觉注意机制的矿用图像显著区域检测，张敏，华钢，目前绝大部分煤矿都配备了视频监控系统，但现有系统监控模式单一、效率低下，难以捕捉到全部异常状态，故不能满足煤矿安全监控的