显著性检测的AC与MSSS算法
来源:互联网 发布:net域名为什么遇冷 编辑:程序博客网 时间:2024/06/05 07:33
《Salient Region Detection and Segmentation》 AC算法也是Achanta等提出的,与FT算法类似,只是在求欧式距离时使用的均值不再是整幅图像的均值,而是选取不同大小邻域内的均值(三种大小)分别求取欧式距离,再相加得到。 理解了FT算法,AC就比较好理解了,
如上图所示,所取三个邻域大小分别为边长为h/8、h/4、h/2的正方形区域。
Sm2=(l-Lm2)^2+(a-Am2)^2+(b-Bm2)^2; Sm3=(l-Lm3)^2+(a-Am3)^2+(b-Bm3)^2; 连续三篇介绍Achanta的显著算法,这一篇是三个中效果最好的。Achanta的三种算法都很类似,也是显著算法中比较好理解的,只要看懂了其中一篇,另外两篇也就很容易看懂了。原理一样,唯一的不同之处在于每篇中计算均值所取的邻域均不相同。这里我只主要写一下对MSSS算法中的邻域的理解。
假设对于图像中任一点(x,y),图像高和宽分别为h、w。 高度 :(y-y0):(y+y0 )
转载:http://blog.sina.com.cn/s/blog_c303278b0101aiyg.html
算法实现过程如下:
(1)读取图像,进行高斯滤波,并转换到lab空间
(2)分别求取该点附近h/8邻域lab空间的均值Lm1、Am1、Bm1。以及h/4邻域lab空间的均值Lm2、Am2、Bm2和h/2邻域lab空间的均值Lm3、Am3、Bm3。
(3)数据融合,Sm1=(l-Lm1)^2+(a-Am1)^2+(b-Bm1)^2;
(4)显著图Sm=Sm1+Sm2+Sm3
《SALIENCY DETECTION USING MAXIMUM SYMMETRIC SURROUND》
则其邻域范围如下:宽度 :(x-x0):(x+x0)
其中:x0=min(x,w-x),y0=min(y,h-y0)
算法实现过程与FT几乎一样:
(1)读取图像,进行高斯滤波,并转换到lab空间
(2)分别求取该点邻域内lab的均值Lm、Am、Bm。
(3)数据融合,Sm=(l-Lm)^2+(a-Am)^2+(b-Bm)^2
0 0
- 显著性检测的AC与MSSS算法
- 显著性检测AC方法
- 显著性检测算法代码
- 几种常见较经典的显著性检测算法
- 算法学习之显著性检测
- 显著性物体检测与分割
- 显著性物体检测与分割
- 关于显著性检测的思考
- 一些显著性检测的数据库资料
- 图像显著性检测的方法总结
- 显著性检测的代码汇总
- 图像显著性检测的方法总结
- 显著性检测的代码汇总
- 算法学习之显著性检测FT算法
- 显著性检测
- 显著性检测综述
- 显著性检测
- 南开大学显著性检测
- cadence allegro 布线小技巧
- vmware workstation+ubuntu16.04突然不能联网了!
- 浏览器兼容之旅的第一站:如何创建条件样式
- hadoop自定义数据类型
- PHP7.1 狐教程
- 显著性检测的AC与MSSS算法
- mysql 字符集总结
- 共享内存—内存映射mmap
- js跨域
- C++模板实现稀疏表
- 开发webapi程序时需要考虑的细节汇总
- 前端解决跨域问题的8种方案(最新最全)
- 安装Eclipse Maven插件的几种方法
- 分而治之——Kth Largest Element in an Array