显著性检测方法

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

水面无人艇技术在气象监测、海面搜救、对敌侦察、精确打击等方向发挥着越来越重要的作用,但实际海面环境中的云层辐射、波浪反射、气象条件等光学图像形成中的各种干扰因素,使海天线的准确检测难以实现。为了解决这

针对当前图像显著性检测算法存在的边缘检测不清晰和内部不均匀的问题,提出一种基于无向权重图和多特征传播的图像显著性检测方法。首先以超像素为节点构建无向图,并改进边界超像素的连接方式。在改进图的基础上利用

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,

在采用图像谱残差分析方法获取全局特征显著性图像的基础上, 利用小波变换在时域和频域具有的局部特征信息表征能力, 通过对图像包含的不同特征信息进行小波变换, 去除各个特征图中的冗余信息, 得到图像局部特

图像显著性检测在目标识别、目标跟踪、视觉信息挖掘等研究中具有重要价值,而水下图像研究又是海洋相关学科的基础。文章针对水下图像特性,提出一种结合Retinex图像增强和超像素分割算法的多尺度显著性区域检

CA显著性检测算法matlab可运行代码只需要更改成自己的图片即可

显著性检测经典论文：Context-AwareSaliencyDetection自己编写的matlab代码实现，包扩所有函数

显著性检测FT算法可运行代码matlab代码代码简单

提出一种基于稀疏直方图的区域对比度显著性检测方法。首先，将输入图像分割成多个区域。然后，为每个区域构建颜色直方图。最后，通过计算每个区域与图像中其他区域的颜色对比度来衡量该区域的显著性。区域 ri