基于对比加权字典学习的遥感图像显著性检测
计算机视觉与模式识别
2021-04-21 v2
摘要
目标检测是遥感图像分析中的一项重要任务。为降低冗余信息的计算复杂度并提高图像处理效率，视觉显著性模型已在该领域得到广泛应用。本文提出一种基于对比加权字典学习（CDL）的遥感图像显著性检测新模型。具体而言，所提出的 CDL 从正样本和负样本中学习显著与非显著原子以构建判别字典，其中提出一个对比加权项，鼓励对比加权模式出现在所学显著字典中，同时抑制其出现在非显著字典中。随后，我们通过结合稀疏表示（SR）的系数与重构误差来度量显著性。此外，利用所提出的联合显著性度量，基于判别字典生成多种显著性图。最后，提出一种基于全局梯度优化的融合方法以整合多张显著性图。在四个数据集上的实验结果表明，所提模型优于其他当前最优（SOTA）方法。
引用
@article{arxiv.2004.02428,
title = {Contrast-weighted Dictionary Learning Based Saliency Detection for Remote Sensing Images},
author = {Zhou Huang and Huai-Xin Chen and Tao Zhou and Yun-Zhi Yang and Chang-Yin Wang and Bi-Yuan Liu},
journal= {arXiv preprint arXiv:2004.02428},
year = {2021}
}