کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4948362 1439611 2016 21 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Saliency detection integrating both background and foreground information
ترجمه فارسی عنوان
تشخیص حساسیت یکپارچه سازی اطلاعات پس زمینه و پیش زمینه
کلمات کلیدی
ترجمه چکیده
در این مقاله، یک الگوریتم شناسایی جدیدی را پیشنهاد می کنیم. حساسیت یک عنصر تصویر نه تنها به عنوان متضاد آن با پس زمینه تعریف شده بلکه به عنوان شباهت آن به پیش زمینه تعریف شده است. اول، دانه های پس زمینه و همچنین اطلاعات فضایی آنها را از مرزهای تصویر برای محاسبه نقشه پایداری مبتنی بر پس زمینه استخراج می کنیم. دوم، ما یک منطقه پیش زمینه جمع و جور را از نقشه شهروندی مرحله اول برای توصیف ظاهر و محل شیء برجسته و محاسبه نقشه مبتنی بر پیش زمینه مبتنی بر آن تولید می کنیم. ما این دو نقشه کشوری را ادغام می کنیم و یکپارچه را برای به دست آوردن یک نقشه معقول و صحیح تر به کار می بریم. هر مولفه الگوریتم ارائه شده در مجموعه داده های عمومی موجود ارزشیابی می شود و نتایج تجربی نیز نشان می دهد که الگوریتم ارائه شده در مقایسه با روش های پیشرفته پیشرفته تر عمل می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تشخیص حساسیت یکپارچه سازی اطلاعات پس زمینه و پیش زمینه
چکیده انگلیسی
In this paper, we propose a novel saliency detection algorithm. The saliency of an image element is defined not only as its contrast to the background but as its similarity to the foreground. First, we extract background seeds as well as their spatial layout information from image boundaries to compute the background-based saliency map. Second, we generate a compact foreground region from the first-stage saliency map to describe the appearance and location of the salient object and calculate the foreground-based saliency map accordingly. We integrate these two saliency maps and further refine the unified one to obtain a more smooth and accurate saliency map. Each component of the presented algorithm is evaluated on the public available datasets and the experimental results also show that the presented algorithm achieves favorable performance compared to the state-of-the-art methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 216, 5 December 2016, Pages 468-477
نویسندگان
, , , ,