计算机科学

计算机科学››2024,第51卷››问题（5）: 143-150.数字对象标识：10.11896/jsjkx.230100132

•计算机图形和多媒体• 以前的文章   下一篇文章

基于多尺度视觉感知特征融合的显著目标检测方法

吴晓琴1、周文军1, 2，邹成林2，王一凡1，彭波1  

  1. 1西南石油大学计算机科学学院，成都610500，中国
    2结冰与防/除冰重点实验室，中国空气动力学研究开发中心，四川绵阳，621000
  • 收到：2023-01-30 修订过的：2023-06-29 在线：2024-05-15 出版：2024-05-08
  • 关于作者：吴晓琴，1997年生，博士后，中共党员（编号：N7647G）。她的主要研究兴趣包括计算机视觉和显著目标检测。
    周文军，1990年生，博士，助理教授，硕士生导师，中共党员（编号：G0634M）。他的主要研究兴趣包括计算机视觉、图像感知和理解。
  • 支持单位：
    CARDC结冰与防/除冰重点实验室（IADL20220203）和四川省自然科学基金（2023NSFSSC05042023NSFSC1933）。

PDF（PC）

122

摘要：显著目标检测具有重要的理论研究意义和实际应用价值，在视觉跟踪、图像分割和目标识别等许多计算机视觉应用中发挥了重要作用。然而，自然环境中显著目标的未知类别和可变尺度仍然是显著目标检测的主要挑战，影响了检测结果。因此，本文提出了一种基于多尺度视觉感知特征融合的显著目标检测方法。首先，基于视觉感知的特点，设计并提取了多种感知特征。其次，每个感知特征采用多尺度自适应方法获得特征显著图。最后，对每个显著特征图进行融合，得到最终的显著对象。该方法根据不同图像感知特征的特点，自适应地提取特征显著对象，能够适应检测对象的变化和复杂的检测环境。实验结果表明，该方法能够在自然环境的背景干扰下有效地检测出未知类别和不同尺度的显著目标。

关键词： 视觉感知特征， 突出物体检测， 多功能融合， 图像分割， 多尺度采样

CLC编号：

  • TP391型
[1] 博尔吉A，程明明，侯强，等。突出物检测：综述[J]。计算视觉媒体，2019,5（2）：117-150。
[2] 乌拉一，建M，胡赛恩S，等.视觉显著性检测的简要综述[J]。多媒体工具和应用，2020,79（45）：34605-34645。
[3] ITTI L，KOCH C，NIEBUR E.快速场景分析中基于盐度的视觉注意模型[J]。IEEE模式分析和机器智能汇刊，1998,20（11）：1254-1259。
[4] 卢杰，王辉，陈磊，等.利用颜色名称空间进行显著目标检测[J]。多媒体工具和应用，2020,79（15）：10873-10897。
[5] 王磊，卢赫，阮X，等.基于局部估计和全局搜索的深度网络显著性检测[C]//IEEE计算机视觉与模式识别会议进程.2015:3183-3192。
[6] 吴忠，苏力，黄琼。快速准确检测显著目标的级联部分解码器[C]//IEEE/CVF计算机视觉与模式识别会议论文集。2019:3907-3916。
[7] 刘俊杰，侯强，程明明，等。基于简单池的实时显著目标检测设计[C]//IEEE/CVF计算机视觉与模式识别会议论文集。2019:3917-3926。
[8] 陈忠，徐强，CONG R，等。用于显著目标检测的全局上下文软件进程聚合网络[C]//AAAI人工智能会议论文集。2020:10599-10606。
[9] YE X K，MA C Y，CHEN X W，等.基于全局关注的多尺度显著目标检测网络[J]。计算机应用与软件，2022,39（2）：167-173。
[10]朱凯俊.基于改进的 流式细胞仪算法对图像分割的研究和应用[J] ●●●●。重庆工商大学学报(自然科学版),2022,39(5):24-33.
[11] 何毅，向S，周伟，等。一种新的鲁棒对象搜索对比算子[C]//2021第17届国际计算智能与安全会议（CIS）。IEEE，2021:309-313。
[12] MITTAL A，MOORTHY A K，BOVIK A C.空间域无参考图像质量评估[J]。IEEE图像处理事务，2012,21（12）：4695-4708。
[13] 朱C，李刚，王伟，等.基于中心标记通道的新型突出目标检测方法[C]//IEEE国际计算机视觉研讨会论文集.2017:1509-1515。
[14] HE K，SUN J，TANG X.使用暗通道先验的单图像雾度去除[J]。IEEE模式分析和机器智能汇刊，2010,33（12）：2341-2353。
[15] ACHANTA R，SHAJI A，SMITH K，et al.SLIC超像素与最先进的超像素方法的比较[J]。IEEE模式分析和机器智能汇刊，2012,34（11）：2274-2282。
[16] 陈明明，米特拉·N·J，黄X，等.基于全局对比度的显著区域检测[J]。IEEE模式分析和机器智能汇刊，2014,37（3）：569-582。
[17] BORJI A，CHENG M M，JIANG H，等。显著目标检测：基准[J]。IEEE图像处理学报，2015,24（12）：5706-5722。
[18] 颜强，徐磊，石杰，等。层次显著性检测[C]//IEEE计算机视觉与模式识别会议论文集。2013:1155-1162。
[19] ACHANTA R，SüSSTRUNK S.使用最大对称环绕的显著性检测[C]//2010 IEEE图像处理国际会议。IEEE，2010:2653-2656。
[20] ERDEM E，ERDEM A.利用区域协变量对特征进行非线性ly积分的视觉显著性估计[J]。《视觉杂志》，2013,13（4）：1-20。
[21]YANG C，ZHANG L，LU H.基于凸壳中心先验的图正则显著性检测[J]。IEEE信号处理快报，2013,20（7）：637-640。
[22]MARGOLIN R、TAL A、ZELNIK-MANOR L。补丁的独特之处是什么？[C] //IEEE计算机视觉和模式识别会议记录。2013:1139-1146。
[23]方S，李杰，田毅，等.基于随机对比度的判别子空间学习用于图像显著性分析[J]。IEEE神经网络和学习系统汇刊，2016,28（5）：1095-1108。
[24]刘国华，杨建勇.利用颜色体积和色差进行显著区域检测[J]。IEEE图像处理汇刊，2018年，28（1）：6-16。
[25]李伟，杨X，李C，等.基于频域高斯融合多尺度差异的快速视觉显著性[J]。IET图像处理，2020,14（16）：4039-4048。
[26]秦X，张Z，黄C，等.Basnet:边界感知显著目标检测[C]//IEEE/CVF计算机视觉与模式识别会议论文集.2019:7479-7489。
[1] 尚新新、李凯、温颖。融合全尺度特征融合和RNN的医学图像分割网络[J] ●●●●。计算机科学，2024，51（5）：100-107。
[2] 白雪飞、沈武成、王文健。基于特征注意净化的显著目标检测[J] ●●●●。计算机科学，2024，51（5）：125-133。
[3] 刘泽瑜、刘建伟。基于多任务学习的视频和图像显著目标检测[J] ●●●●。计算机科学，2024，51（4）：217-228。
[4] 黄文科、滕飞、王子丹、冯丽。基于深度学习的图像分割研究综述[J] ●●●●。计算机科学，2024，51（2）：107-116。
[5] 朱烨、郝英光、王红玉。基于深度学习的红外视频显著目标检测[J] ●●●●。计算机科学，2023，50（9）：227-234。
[6] 齐玄龙、陈洪阳、赵文兵、赵迪、高景阳。基于主动学习和U-Net++分割的BGA封装空隙率检测研究[J] ●●●●。计算机科学，2023，50（6A）：220200092-6。
[7] 刘尧、关丽禾。基于Ball的超像素分割迭代算法-k个-表示群集[J] ●●●●。计算机科学，2023，50（6A）：220600114-7。
[8] 杨京毅、李芳、康晓东、王晓天、刘汉清、韩俊玲。基于SegFormer的超声图像分割[J] ●●●●。计算机科学，2023，50（6A）：220400273-6。
[9] 白雪飞、马亚南、王文健。基于特征融合的边缘引导乳腺超声图像分割方法[J] ●●●●。计算机科学，2023，50（3）：199-207。
[10] 陈罗轩、林成创、郑兆良、莫泽峰、黄新毅、赵甘森。计算机视觉中的变压器综述[J] ●●●●。计算机科学，2023，50（12）：130-147。
[11] 陈慧、彭丽。用于显著目标检测的特征融合和边界校正网络[J] ●●●●。计算机科学，2023，50（12）：166-174。
[12] 孙开新、刘斌、苏曙光。基于CNN结构和Swin变换的医学显微图像分割模型[J] ●●●●。计算机科学，2023，50（11A）：230200119-8。
[13] 姜浩天、王启智、黄阳林、张亚琴、胡凯。基于多尺度边缘制导的医学图像分割[J] ●●●●。计算机科学，2023，50（11A）：220900059-7。
[14] 马伟奇、袁家斌、贾可科、范丽丽。基于Spiking神经网络的车载岩石检测算法[J] ●●●●。计算机科学，2023，50（1）：98-104。
[15] 于树浩、周慧、叶春阳、王太正。SDFA：基于多特征融合的船舶航迹聚类方法研究[J] ●●●●。计算机科学，2022，49（6A）：256-260。
已查看
全文


摘要

引用
  共享   
  讨论   
找不到建议阅读的文章！
渝国际比较项目16013121？-4
地址：中国重庆市渝北区洪湖西路18号邮编：401121
电话：023-63500828/023-67039612/023-67039623
电子邮件：jsjkx12@163.com
技术支持北京美格科技有限公司。