基于改进流行排序算法的显著性区域检测

张 静, 鲁文超, 段先华

(江苏科技大学 计算机学院,镇江 212003)

人的视觉注意机制可以准确、快速定位自然场景中最引人注意的物体或区域,计算机通过模仿这一视觉注意机制原理形成显著性检测技术，是图像处理中关键的一个阶段，广泛应用于目标识别[1-2]、视频压缩[3]、图像检索[4]、图像分类[5]等研究领域．

现有的显著性检测算法在检测存在一个或者两个显著目标和背景简单的图像时能够获得很好的结果,但是面对复杂背景或者存在多目标(两个及其以上)时,检测效果无法满足实际要求.因此文中提出一种基于改进流形排序算法的显著性区域检测算法,通过多特征计算上、下、左、右4个方向的显著图，解决了通过单一特征计算的结果不够精确的问题，通过超像素分割算法将图像分割成4个不同的尺度,分别计算4个尺度下的显著图．不同尺度下,分割图像的细节信息不同,图像分割的超像素数量过少的话,很多不属于同一特征属性会被分割在一起,不利于检测,分割的数量过度,会严重增加算法的时间复杂度,因此,通过实验综合考虑文中选择了4种尺度．现有基于图的流行排序的显著检测算法中通过阈值分割得到最终的结果,由于阈值选择存在一定缺陷,文中通过多核提升对检测的弱显著图进行进一步处理,得到更加精确的显著图．

计算机视觉领域的显著性检测方法通常包含两种:自顶向下[6-7](任务驱动)和自底向上[8](数据驱动……