光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2014年
1期
160-168
,共9页
无监督检测%显著性检测%颜色对比%超像素跨越%贝叶斯融合
無鑑督檢測%顯著性檢測%顏色對比%超像素跨越%貝葉斯融閤
무감독검측%현저성검측%안색대비%초상소과월%패협사융합
unsupervised detection%saliency detection%color contrast%superpixel straddling%Naive Bayes fusion
为了实现对图像中多种类目标的检测,缩短目标搜索时间,本文基于图像目标的3个显著性线索(显著性检测,颜色对比,超像素跨越),构建了一种改进的通用无监督目标检测模型.通过机器学习center-surrounding比例参数,计算各个线索的显著度得分,并在朴素贝叶斯框架下对这3个目标显著性线索进行融合,以最终确定窗口中包含图像目标的概率.实验参数在PASCAL VOC 2007图像库进行检测,检测率为28.94％,击中率达96.99％;在MSRC图片库进行检测,检测率为80.64％,击中率达99.10％;得到的结果证明了本文模型的通用性.另外,该模型对单幅图像的处理时间较Bogdan的检测模型提高了40％,改进了目标检测效率.本文模型可为后续的目标识别,图像分割提供更快、更准确的先验位置信息.
為瞭實現對圖像中多種類目標的檢測,縮短目標搜索時間,本文基于圖像目標的3箇顯著性線索(顯著性檢測,顏色對比,超像素跨越),構建瞭一種改進的通用無鑑督目標檢測模型.通過機器學習center-surrounding比例參數,計算各箇線索的顯著度得分,併在樸素貝葉斯框架下對這3箇目標顯著性線索進行融閤,以最終確定窗口中包含圖像目標的概率.實驗參數在PASCAL VOC 2007圖像庫進行檢測,檢測率為28.94％,擊中率達96.99％;在MSRC圖片庫進行檢測,檢測率為80.64％,擊中率達99.10％;得到的結果證明瞭本文模型的通用性.另外,該模型對單幅圖像的處理時間較Bogdan的檢測模型提高瞭40％,改進瞭目標檢測效率.本文模型可為後續的目標識彆,圖像分割提供更快、更準確的先驗位置信息.
위료실현대도상중다충류목표적검측,축단목표수색시간,본문기우도상목표적3개현저성선색(현저성검측,안색대비,초상소과월),구건료일충개진적통용무감독목표검측모형.통과궤기학습center-surrounding비례삼수,계산각개선색적현저도득분,병재박소패협사광가하대저3개목표현저성선색진행융합,이최종학정창구중포함도상목표적개솔.실험삼수재PASCAL VOC 2007도상고진행검측,검측솔위28.94％,격중솔체96.99％;재MSRC도편고진행검측,검측솔위80.64％,격중솔체99.10％;득도적결과증명료본문모형적통용성.령외,해모형대단폭도상적처리시간교Bogdan적검측모형제고료40％,개진료목표검측효솔.본문모형가위후속적목표식별,도상분할제공경쾌、경준학적선험위치신식.
