کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4969721 1449981 2017 28 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Complex networks driven salient region detection based on superpixel segmentation
ترجمه فارسی عنوان
شبکه های پیچیده بر اساس تقسیم بندی ابرهای پیکسل بر اساس تشخیص منطقه برجسته می شوند
کلمات کلیدی
ترجمه چکیده
در این مقاله، یک روش کارآمد برای شناسایی منطقه برجسته ارائه شده است. اولا تصویر با استفاده از تقسیم بندی ابرمتوسی که گروه های پیکسل های مشابه را تشکیل می دهند و مناطق کامپوزیتی را تولید می کنند، تجزیه می شود. بر اساس سوپرپیکسل های تولید شده، شباهت بین مناطق با استفاده از رنگ، محل، هیستوگرام، شدت و اطلاعات منطقه در هر منطقه و همچنین شناسایی جامعه از طریق نظریه شبکه های پیچیده در تصویر بیش از حد محاسبه محاسبه می شود. سپس، با استفاده از ویژگی های ذکر شده، کنتراست، توزیع و نقشه های پیچیده شبکه های پیچیده ایجاد می شود. این نقشه های معرفتی برای ایجاد یک نقشه پایه نهایی استفاده می شود. کاربرد، اثربخشی و سازگاری رویکرد پیشنهادی با انجام برخی از آزمایش ها با استفاده از مجموعه داده های موجود در دسترس نشان داده شده است. این آزمون ها برای مقایسه روش پیشنهاد شده با برخی از روش های پیشرفته تر مورد استفاده قرار گرفته است. نتایج گزارش شده شامل ارزیابی کیفی و کمی است که نشان می دهد که رویکرد ما خروجی نقشه های با کیفیت بالا را فراهم می کند و عمدتا با بالاترین میزان دقت در مقایسه با سایر روش ها به دست می آید.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
شبکه های پیچیده بر اساس تقسیم بندی ابرهای پیکسل بر اساس تشخیص منطقه برجسته می شوند
چکیده انگلیسی
In this paper, we propose an efficient method for salient region detection. First, the image is decomposed by using superpixel segmentation which groups similar pixels and generates compact regions. Based upon the generated superpixels, similarity between the regions is calculated by benefiting from color, location, histogram, intensity, and area information of each region as well as community identification via complex networks theory in the over-segmented image. Then, contrast, distribution and complex networks based saliency maps are generated by using the mentioned features. These saliency maps are used to create a final saliency map. The applicability, effectiveness and consistency of the proposed approach are illustrated by conducting some experiments using publicly available datasets. The tests have been used to compare the proposed method with some state-of-the-art methods. The reported results cover qualitative and quantitative assessments which demonstrate that our approach outputs high quality saliency maps and mostly achieves the highest precision rate compared to the other methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 66, June 2017, Pages 268-279
نویسندگان
, , ,