找回密码
 注册
关于网站域名变更的通知
查看: 1032|回复: 1
打印 上一主题 下一主题

[毕业设计] 基于 KL 散度及多尺度融合的显著性区域检测算法

[复制链接]

该用户从未签到

跳转到指定楼层
1#
发表于 2021-6-22 13:15 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

EDA365欢迎您登录!

您需要 登录 才可以下载或查看,没有帐号?注册

x
要:基于对超像素颜色概率分布间 KL 散度的计算,以及对多尺度显著图的融合处理,该文提出一种新的显著
  J- Y) V# i9 l* x性区域检测算法。首先,采用超像素算法多尺度分割图像,在各尺度下用分割产生的超像素为节点,并依据超像素
! I( a5 K  q% Q* L( g. J! O2 [分割数量对各超像素进行适当邻接连通扩展,构建无向扩展闭环连通图。 其次,依据颜色判别力聚类量化各超像, F2 l: H; }; f; E
素内颜色,统计颜色聚类标签的概率分布,用概率分布间 KL 散度的调和平均值为扩展闭环连通图的边加权,再依
, A" e# ^" u4 r' Z8 l/ w据区域对比度并结合边界连通性,获取各尺度下的显著图。 最后,平均融合各尺度下显著图,并进行优化处理,
/ B, i$ G5 ]& T. ?. T% F( Y! Z得到最终的显著图。 在一些大型参考数据集上进行大量实验表明,所提算法优于当前一些先进算法,具有较高精
- W) P# W) Y) O/ `* ?0 F2 @- N确度和召回率,并且可以产生平滑显著图。/ {/ f- J2 Q8 H( O0 s
关键词:显著性区域检测;多尺度融合;KL 散度;闭环连通图
6 b0 Y+ ~3 M8 w7 m$ e- M" ^7 T; W5 |" H7 G4 M$ r

, @' A1 D6 ]  b+ [4 z+ A' T% a+ V- A
( R" m0 s, V* T- t& _+ [, x
5 o( n# B( r& r/ x/ L附件下载:
游客,如果您要查看本帖隐藏内容请回复

) v- Z2 C  @6 j& N
+ Y6 `) C- b- D. G

该用户从未签到

2#
发表于 2021-6-22 13:46 | 只看该作者
谢谢分享                             
您需要登录后才可以回帖 登录 | 注册

本版积分规则

关闭

推荐内容上一条 /1 下一条

EDA365公众号

关于我们|手机版|EDA365电子论坛网 ( 粤ICP备18020198号-1 )

GMT+8, 2025-8-16 14:37 , Processed in 0.125000 second(s), 26 queries , Gzip On.

深圳市墨知创新科技有限公司

地址:深圳市南山区科技生态园2栋A座805 电话:19926409050

快速回复 返回顶部 返回列表