基于测地线的显著目标检测
计算机视觉与模式识别
2013-11-11 v2 人工智能
摘要
显著性检测一直是为许多视觉和图形应用所需的物体检测与分割提供有用线索的直观方法。在本文中，我们提供了一种用于显著目标检测和分割的鲁棒方法。除了使用各种像素级对比度定义外，我们还利用了全局图像结构，并提出了一种专用于显著目标检测的新测地线方法。在所提出的方法中，提出了一种新的测地线方案，即测地线隧道（geodesic tunneling），以处理纹理和局部混沌结构。利用我们的新测地线方法，估计了与图像空间结构相对应的测地线显著图。在显著目标基准数据集上的实验评估证实，我们的算法始终优于多种最先进的显著性方法，产生了更高的精度和更好的召回率。凭借鲁棒的显著性估计，我们还提出了一种仅使用自适应显著性阈值的无监督分层显著目标切割方案，该方案在我们的 F-measure 测试中获得了最高分。此外，如附加实验所示，我们将测地线切割方案应用于多种图像编辑任务。
引用
@article{arxiv.1302.6557,
title = {Geodesic-based Salient Object Detection},
author = {Richard M Jiang},
journal= {arXiv preprint arXiv:1302.6557},
year = {2013}
}
备注
The manuscript was submitted to a conference. Due to anonymous review policy by the conference, I'd like to withdraw it temporarily