显著性监测

如何充分利用各级卷积特征是当前显著性检测研究的关键问题。就此提出一种基于融合全部卷积层特征的全卷积神经网络显著性检测方法。首先, 将全部卷积特征映射到内部的多个尺度中, 在每个尺度上联合各级卷积特征预

从人眼的视觉机制出发,提出了一种拟人视觉系统的显著性检测方法。该方法首先对图像进行量化并选取出高频颜色,降低了计算的复杂度,然后对图像进行分割对比,初始的视觉点以图像的中心作为基准点,通过提出的视觉引

为满足自然场景下显著性检测精度的要求, 提出了一种显著性检测优化方法。该方法采用简单线性迭代聚类分割算法将图像分割为多个超像素区域, 并提取颜色区域对比度特征。通过Harris角点检测算法定位目标的大

针对传统基于像素的显著性模型存在的边缘模糊、不适于低对比度环境等问题,提出一种基于双目视觉信息的显著性区域检测方法.采用简单线性迭代聚类(SLIC)方法对图像进行超像素分割,将生成的超像素区域进行合并

资源包括图像检索，图像分割，草图提取的实现等，还有完整的论文，可以参考，运行效果很好。是一个完善的对图像显著性和相似性进行研究的完整的代码和论文，初学者和深入研究者均可参考。

针对复杂背景的视频图像车型识别,提出了一种利用尺度显著性的车型识别方法。由于尺度显著性对图像均一亮度变化、缩放、旋转以及噪声都具有不变性,因此引入尺度显著性算法提取车辆图像的分类特征。最后采用RBF网

由于马尔可夫吸收链的显著性检测算法的先验信息过于简略使得检测得出的显著图片面且笼统,针对上述问题,本文推陈出新了一种新的算法做显著性检测,它结合了凸包先验和马尔可夫吸收链,从而可优化最终结果中的图像信

针对已有显著性目标检测在单一先验知识下生成的显著图存在背景抑制不彻底、孤立背景块干扰及前景区域缺失的问题,提出复合先验的显著性目标检测方法。先利用超像素分割算法提取边缘超像素,构建初选背景集,根据边界

针对现有显著性检测方法存在背景抑制效果差和前景分辨率低的问题,提出一种基于背景抑制和前景更新的显著性检测方法。首先利用MR(manifold ranking)算法计算背景先验图,通过超像素分割算法提取

本科新生中学基础知识的显著性分析，张立君，马建华，通过对辽宁工程技术大学2005级本科传统优势学科和新兴学科新生入学成绩进行抽样调查，运用SPSS对数据进行分析，得出两个总体总成绩�