博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
基于贝叶斯模型的显著性检测
阅读量:5842 次
发布时间:2019-06-18

本文共 447 字,大约阅读时间需要 1 分钟。

    

      这篇文章有两方面的有点:第一,采用粗到细的策略得到粗略显著区域的位置。

                                                第二,通过使用贝叶斯框架计算先验概率得到显著图。

   

      文章的大体流程:检测显著区域的角点 ---> 用凸包将显著点包围起来,得到粗略的显著图--->计算贝叶斯理论中的后验概率计算显著值得到显著图.

      

        1)检测显著区域的角点:采用颜色增强Harris角点作为显著点。(显著点提供了大致的显著区域)。

        2)用凸包将显著点包围起来,得到粗略的显著图:1)之后消除图像边界附近的显著点,采用凸包将圈住剩下的显著点(颜色增强Harris点通常会把显著区域聚集在一起,凸包会把大部分的大部分的显著区域包含,当然会包含一部分的背景量子)。

        3)先验分布:实现先验分布采用超像素,因为超像素可以保存物体的边界并且获取具有相同特征的像素,所以选择超像素而不是单独的像素进行处理。

       4)消除凸包内的噪音:采用k-means clustering

转载于:https://www.cnblogs.com/saliency/p/3582913.html

你可能感兴趣的文章
CentOS添加永久静态路由
查看>>
mysql多实例的安装以及主从复制配置
查看>>
loadrunner安装运行一步一步来(多图)
查看>>
git请求报错 401
查看>>
动态追踪技术(四):基于 Linux bcc/BPF 实现 Go 程序动态追踪
查看>>
Cyber-Security: Linux 容器安全的十重境界
查看>>
监控工具htop的安装及使用
查看>>
Nodejs使用图灵机器人获取笑话
查看>>
【读书笔记】第三章 大型网站核心架构要素
查看>>
jvm参数设置
查看>>
易宝典文章——玩转Office 365中的Exchange Online服务 之十三 怎样管理Exchange Online的邮件用户和联系人...
查看>>
nexus 从Window迁移至Linux
查看>>
Spring 任务调度 简单的,使用Schedule
查看>>
通過OPENSHIFT進行DJANGO開發
查看>>
数据库union ,和union all
查看>>
SQL 2005删除作业计划出错(DELETE语句与 REFERENCE约束"FK_subplan_job_id"冲突。)的解决...
查看>>
获取帮助
查看>>
7.4.4 IPv6的地址空间及其表示方法
查看>>
【Touch&input 】支持多个游戏控制器(18)
查看>>
2014年云计算五大趋势
查看>>