图像显著图计算
来源:互联网 发布:软件图标 编辑:程序博客网 时间:2024/05/08 00:36
简介
因为需求原因,看了下显著图这块,本篇主要是对论文:Saliency Filters: Contrast Based Filtering for Salient Region Detection的实现和总结。
基本原理
主要涉及超像素和一些基本假设:1、超像素分割和滤波,保边的同时去掉噪声之类干扰。 2、假设图像上出现得越罕见的颜色,越显著。 3、某个颜色密集分布在某个区域,比零散或均匀分布在整个图像上更加显著。
实现流程
如论文所述,分为四个部分: 1、超像素分割和滤波。网上有现成超像素算法,滤波很简单,就是简单的超像素内像素求均值。得到中间结果图如下:
2、计算超像素颜色/成分罕见度。 根据公式:。 其中Wij = pi为超像素元素坐标平均值。 ci为超像素元素颜色平均值。 N为超像素个数。
得到中间结果图如下:
3、计算超像素元素颜色分布密度。 根据公式:
得到中间结果图如下:
4、显著图计算 根据公式:
得到最终显著图:
结果对比和缺陷疑问
跑了轮图片,结果如下:
感觉该论文算法,对场景单一前景可以有很好效果,但是对复杂场景,效果似乎不是很好。
0 0
- 图像显著图计算
- Hou的图像显著性计算模型
- 一种简单的图像显著性计算模型
- 一种简单的图像显著性计算模型
- 一种简单的图像显著性计算模型
- 一种简单的图像显著性计算模型
- 图像显著性
- 图像显著性研究
- 关于图像显著性
- 图像显著性检测
- 图像显著性区域检测
- 图像显著性算法入门
- 图像显著性检测总结
- 图像显著性检测总结
- 图像显著性的理解
- 图像显著性论文(1-3)
- 图像局部显著性—点特征
- 图像局部显著性—线特征
- nginx+tomcat负载均衡、session处理策略
- android使用经验
- HBase学习笔记 --- 调研HBase Indexer
- POJ 2773 Happy 2006
- 用位运算实现加减乘除
- 图像显著图计算
- Linux下部署多个Tomcat
- 1023. Have Fun with Numbers (20)
- 自己封装的验证码工具类以及登录验证
- oracle 的long raw 处理
- 微信开发一
- 手机注册登录时,获取验证码之后倒计时
- html入门2
- Android 使用ContentProvider ContentResolver 实现增删改查