公开(公告)号：CN111310768A

公开(公告)日：2020-06-19

申请号：CN202010063895.9

申请日：2020-01-20

Applicant: 安徽大学

Inventor： 孙登第 ,  张子鹏 ,  梁怡晓 ,  郑健 ,  李凯 ,  丁转莲

IPC: G06K9/46 ,  G06K9/62 ,  G06T7/11 ,  G06T7/13 ,  G06T7/90

Abstract: 本发明属于图像处理技术领域，具体涉及基于鲁棒性背景先验和全局信息的显著性目标检测方法。该方法包括以下步骤：构建待检测图像的超像素标签矩阵；构建待检测图像的超像素权重矩阵；筛选瞬态节点和吸收节点；构建待检测图像的马尔科夫转移矩阵，并计算瞬态节点吸收时间；构建马尔科夫转移矩阵的显著性特征图；根据权重矩阵，计算超像素点的前背景概率；构建鲁棒性背景先验显著特征图；将马尔科夫转移矩阵的显著性特征图和鲁棒性背景先验显著特征图进行叠加整合，并利用所有超像素点的显著性值，生成超像素点的综合显著性检测图。本发明整合了鲁棒性背景先验方法和全局信息，得到的显著性目标更均匀，能更有效地计算图像的显著性值。

公开(公告)号：CN111310768B

公开(公告)日：2023-04-18

申请号：CN202010063895.9

申请日：2020-01-20

Applicant: 安徽大学

Inventor： 孙登第 ,  张子鹏 ,  梁怡晓 ,  郑健 ,  李凯 ,  丁转莲

IPC: G06V10/46 ,  G06V10/84 ,  G06V10/774 ,  G06T7/11 ,  G06T7/13 ,  G06T7/90

Abstract: 本发明属于图像处理技术领域，具体涉及基于鲁棒性背景先验和全局信息的显著性目标检测方法。该方法包括以下步骤：构建待检测图像的超像素标签矩阵；构建待检测图像的超像素权重矩阵；筛选瞬态节点和吸收节点；构建待检测图像的马尔科夫转移矩阵，并计算瞬态节点吸收时间；构建马尔科夫转移矩阵的显著性特征图；根据权重矩阵，计算超像素点的前背景概率；构建鲁棒性背景先验显著特征图；将马尔科夫转移矩阵的显著性特征图和鲁棒性背景先验显著特征图进行叠加整合，并利用所有超像素点的显著性值，生成超像素点的综合显著性检测图。本发明整合了鲁棒性背景先验方法和全局信息，得到的显著性目标更均匀，能更有效地计算图像的显著性值。