欢迎访问易轩外文网, 请 登录 或者 免费注册
基于全局对比的显著性区域检测,计算机外文翻译,彩色图像分割
文档价格: 100 金币 立即充值 文章语言: 英语-中文 原文出处: 请在文档内查看
译文字数: 8950 字 (节选翻译) 译文格式: Doc.docx (Word) 更新时间: 2018-01-26
加入收藏

基于全局对比的显著性区域检测, 计算机外文翻译,彩色图像分割,基于图的分割,显著性检测

译文(字数:8950):

摘要

缺少对一幅图像内容的任何先验假设和信息的情况下,自动的根据图像特征去估计提取它的显著对象区域能够有效增强许多计算机视觉和计算机图形应用。我们引入了基于区域对比度的显著性对象检测算法,同时比较评估了其与全局对比度算法的差异与各自的优点,我们提出的此算法简单,有效,自然多尺度,并可以产生全分辨率、高质量的显着性图。这些显着图进一步用于初始化GrabCut的新型迭代版本,即SaliencyCut,被用于高质量无人监督的显著对象分割。 我们广泛地使用传统的显著对象检测图像集来评估我们的算法,以及更具挑战性的互联网图像数据集。 我们的实验结果表明,我们的算法始终优于15种现有的显著对象检测和分割方法,产生更高的精度和更好的重用率。实验还表明,我们的算法可以用于有效地从互联网图像中提取显著的对象区域,从而通过简单的形状比较实现基于扫描的图像检索(SBIR)。 尽管这些嘈杂的互联网图像的显着区域是不那么明确的,但我们的显着性引导图像检索与最先进的SBIR方法相比,获得了更好的检索率,并且还提供了重要的目标对象区域信息。

关键词:显著对象检测,视觉注意,显着性图,无监督分割,图像检索

一、简介

作为人类,我们是能够快速、准确地识别出场景中最具视觉意义的前景物体(称为显著对象)并将我们的注意力集中在这些感觉到的重要区域上的专家。 相比之下,在被要求在图像中挑选一个突出物体时,要实现与人类注释者的行为相匹配的程序来提取这样的突出物体区域[2],[3]是非常具有挑战性的。 


原文(未统计字数):

blob.png


上一篇:基于可信轻量级云计算的安全的认知无线车载自组织网络,计算机外文翻译
下一篇:基于双种群的微分进化算法求解周期性铁路时间表调度问题,计算机外文翻译
相关文章推荐: TAG: 显著性检测 基于图的分割