基于聚类与均匀分布的图像显著性检测算法研究

提出了一种新的自动抠图算法框架。首先,估计输入图像各个区域的模糊程度;其次,对图像进行显著性的计算;然后融合模糊度和显著性信息,大致分割出前景和背景,从而自动生成标注前景、背景、未知区域的三色图;最后

视觉显著性检测是机器视觉领域的关键技术之一。提出一种基于流形排名与迟滞阈值的检测方法,首先将图像划分成超像素集合,以之作为结点形成闭环图;再按照基于图的流形排名方法计算各个结点的显著值,形成图像的显著

针对当前图像显著性检测算法存在的检测不准确和边缘不清晰问题,提出基于改进的贝叶斯公式融合算法。采用compactness先验得到初级显著图,并以初级显著图作为训练样本,采用多核学习方式得到次级显著图,

论文仅供学习参考使用。 提 出 了一种基于多尺度融合的对象显著性检测方法.首 先 对 图 像 进行平滑处理,过滤掉图像中的高频噪声特征,然 后 对 图 像 进行尺度划分并分别采用不同的方法对不同尺度上

基于显著性稀疏表示的图像超分辨率算法，白蔚，杨撒博雅，本文提出了一种全新的基于视觉显著度和上下文稀疏分解的图像超分辨率算法。在图像中,由于人眼对边缘、结构信息较为敏感,因此视觉�

显著性监测方面的论文，有单任务和多任务等case

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

基于区域的对比度，相邻区域的高对比度比很远区域的高对比度更容易导致一个区域引起视觉注意。在计算像素级对比度时引进空间关系计算代价会非常大，所以引进区域对比度方法（RC），以此来将空间关系和区域级对比度

针对现有的显著性目标检测算法在受到相似背景干扰时, 易出现目标检测准确度低、稳定性差的问题, 提出一种基于双目视觉的显著性目标检测方法。受人眼视觉特性启发, 将双目视觉模型感知的深度信息作为显著性特征