多目标显著性区域提取算法

doi:10.12068/j.issn.1005-3026.2018.10.003

东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (10): 1380-1384.DOI: 10.12068/j.issn.1005-3026.2018.10.003

多目标显著性区域提取算法

孟琭，陈妹雅

(东北大学信息科学与工程学院，辽宁沈阳110819)

收稿日期:2017-06-27 修回日期:2017-06-27 出版日期:2018-10-15 发布日期:2018-09-28
通讯作者: 孟琭
作者简介:孟琭(1982-)，男，辽宁沈阳人，东北大学副教授，博士.冯明杰(1971-)，男，河南禹州人，东北大学副教授; 王恩刚(1962-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(61101057).国家自然科学基金资助项目(51171041).

Salient Region Extraction Algorithm for Multi-target

MENG Lu， CHEN Mei-ya

School of Information Science & Engineering， Northeastern University， Shenyang 110819， China.

Received:2017-06-27 Revised:2017-06-27 Online:2018-10-15 Published:2018-09-28
Contact: MENG Lu
About author:-
Supported by:
-

摘要/Abstract

摘要： 结合对象估计和超像素分割，提出面向多目标的显著性区域提取算法.首先，应用对象估计对图像中的多目标作初步检测，得到若干个显著性区域的初步结果;然后，再将这些显著性区域与超像素分割的结果作图像拼接，完善这些显著性区域;最后，将图像拼接的结果二值化，作为多目标显著性区域提取的最终结果.结果表明:所提算法可实现面向多目标的显著性区域提取.与3个经典算法的比较结果表明:所提算法在面向多目标显著性区域提取时更优.

关键词: 多目标, 显著性区域, 对象估计, 超像素分割, 图像处理

Abstract: Combining object estimation and super-pixel segmentation， a salient region extraction algorithm for multi-target was proposed. First， object estimation was used to make a preliminary extraction of multi-target in image， and the preliminary results of several salient regions were obtained. Then， these several salient regions were concatenated with the results of super-pixel segmentation to complete the saliency extraction. Finally， the concatenated regions were binarized as the final results of salient region for multi-target. The results showed that the proposed algorithm can achieve multi-target salient region extraction. The comparison with three classical algorithms indicated that the proposed algorithm is better when it is faced with salient region extraction for multi-target.

Key words: multi-target, salient region, object estimation, super-pixel segmentation, image processing

中图分类号:

TP391

孟琭，陈妹雅. 多目标显著性区域提取算法[J]. 东北大学学报:自然科学版, 2018, 39(10): 1380-1384.

MENG Lu， CHEN Mei-ya. Salient Region Extraction Algorithm for Multi-target[J]. Journal of Northeastern University Natural Science, 2018, 39(10): 1380-1384.

参考文献

[1]Liang Y，Yu J，Lang C Y，et al.Research on salient region extraction technology［J］.Computer Science，2016(3):27-32.
[2]陈美奂.基于底层特征与高层先验的显著性区域检测算法［D］.秦皇岛:燕山大学，2015:1-61.(Chen Mei-huan.Salient region detection based on low-level features and high-prior［D］.Qinhuangdao:Yanshan University，2015:1-61.)
[3]Jing H Y，Han Q，Niu X M.Survey of salient region detection algorithms［J］.Intelligent Computer and Applications，2014(1):38-39，44.
[4]Itti L，Koch C.Computational modeling of visual attention［J］.Nature Reviews Neuroscience，2001，2(3):194-230.
[5]Cheng M M，Zhang G X，Mitra N J，et al.Global contrast based salient region detection［C］//IEEE Conference on Computer Vision and Pattern Recognition.Colorado Springs，2011:409-416.
[6]Cheng M M，Mitra N J，Huang X，et al.Global contrast based salient region detection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2015，37(3):569-582.
[7]Jiang H，Wang J，Yuan Z，et al.Salient object detection:a discriminative regional feature integration approach［C］// IEEE Conference on Computer Vision and Pattern Recognition.Portland，2013:2083-2090.
[8]Alexe B，Deselaers T，Ferrari V.What is an object［C］// IEEE Conference on Computer Vision and Pattern Recognition.San Franscisco，2010:73-80.
[9]Cheng M M，Zhang Z，Lin W Y，et al.BING:binarized normed gradients for objectness estimation at 300fps［C］// IEEE Conference on Computer Vision and Pattern Recognition.Columbus，2014:3286-3293.
[10]赵丹凤.基于通用对象估计的目标检测与模糊车牌识别算法研究［D］.南京:南京邮电大学，2016:1-84.(Zhao Dan-feng.Research on object detection based on objectness measure and fuzzy license plate recognition［D］.Nanjing:Nanjing University of Posts and Telecommunications，2016:1-84.)
[11]宋熙煜.基于超像素的图像分割技术研究［D］.郑州:中国人民解放军信息工程大学，2015:1-74.(Song Xi-yu.Research on image segmentation methods based on superpixel［D］.Zhengzhou:The PLA Information Engineering University，2015:1-74.)
[12]Oh K，Lee M，Kim G，et al.Detection of multiple salient objects through the integration of estimated foreground clues［J］.Image and Vision Computing，2016，54:31-44.
[13]Li Y，Hou X，Koch C，et al.The secrets of salient object segmentation［C］//IEEE Conference on Computer Vision and Pattern Recognition.Columbus，2014:280-287.

[1]	张禹，鹿浩，吕董，巩亚东. 基于IMOFA的航空发动机管路多目标优化布局[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1120-1126.
[2]	连静，陈实，丁堃，李琳辉. 基于多尺度密集特征融合的生成式对抗除雾网络[J]. 东北大学学报（自然科学版）, 2022, 43(11): 1591-1598.
[3]	张瑞友，王超慧，陈勇强. 基于控制思想求解非线性规划问题的李雅普诺夫方法[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1217-1226.
[4]	马廉洁，左宇辰，周云光，付海玲. 氧化锆陶瓷车削刀具几何参数的多目标优化[J]. 东北大学学报:自然科学版, 2020, 41(8): 1129-1134.
[5]	齐锡晶，唐梁，康伟鑫，秦娇娇. 高速公路桥梁桥面板养护方案多目标决策方法[J]. 东北大学学报:自然科学版, 2020, 41(7): 1033-1040.
[6]	张丽杰，刘建昌，谭树彬. 复杂建筑火灾中的人员疏散路径多目标规划[J]. 东北大学学报:自然科学版, 2020, 41(6): 761-766.
[7]	孟琭，钟健平，李楠. 基于GAN的医学图像仿真数据集生成算法[J]. 东北大学学报:自然科学版, 2020, 41(3): 332-336.
[8]	周炳海，费芊然. 考虑能耗的混流装配线物料配送多目标调度方法[J]. 东北大学学报:自然科学版, 2020, 41(2): 258-264.
[9]	魏颖, 徐楚翘, 刁兆富, 李伯群. 基于生成对抗网络的多目标行人跟踪算法[J]. 东北大学学报（自然科学版）, 2020, 41(12): 1673-1680.
[10]	田慧欣，王帝，帅民伟，李坤. 面向OD客流的高速列车开行方案的优化[J]. 东北大学学报:自然科学版, 2020, 41(11): 1535-1542.
[11]	李占山，吕艾娜. 基于新冗余度的特征选择方法[J]. 东北大学学报:自然科学版, 2020, 41(11): 1550-1556.
[12]	王坤，刘燕，杨永坤，张廷安. 铁水脱硫过程气泡平均直径的因次分析[J]. 东北大学学报:自然科学版, 2019, 40(8): 1105-1109.
[13]	宋航，王亚丽，刘国奇，张斌. 基于改进多目标蜂群算法的Web服务组合优化方法[J]. 东北大学学报:自然科学版, 2019, 40(6): 777-782.
[14]	翟莹莹，厉英，敖志广. 基于改进多目标遗传算法的连铸二冷过程优化[J]. 东北大学学报:自然科学版, 2019, 40(5): 658-662.
[15]	范例，谢里阳，张娜. 重卡驱动桥壳疲劳稳健性与轻量化设计[J]. 东北大学学报:自然科学版, 2019, 40(3): 365-369.

多目标显著性区域提取算法

Salient Region Extraction Algorithm for Multi-target

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价