读ICCV2013论文<Boolean Map Saliency>
2016-04-28 22:57
253 查看
基于Boolean Map进行显著性检测,关键的公式如下所示:
公式可以看做是一个贝叶斯推导模型,p表示在给定图像的情况下,得到Boolean Map为B的概率,而A则表示B所能够提供的注意力映射图,而注意力映射图最终体现的是显著性映射图。在文中,作者提出利用均匀的阈值分割的方式来得到Boolean Map,也就是说,大于阈值的像素点赋值255,反之则赋值0;从阈值增长的步长固定。在实现的时候,上面公式中的p在不同的Boolean Map均相等,这样的话只需要求得A将其累加就可以了。
上面是整个算法的流程,到第12步就已经得到了eye fixation显著性映射图。后期的处理根据这个给定的显著性映射图进行指导性分割,就可以得到salient object。算法的第4到第6步主要目的是为了得到一个Boolean Map映射图,并利用开操作去除噪声点。而第8到第11步则是计算注意力映射图。surrounded region是指不论是背景区域还是目标区域都具备一定的连通性。在实现的时候,从图像的边缘开始考虑连通性,那么和图像边缘相关联的区域将会因为连通性全部被设置为1。Boolean Map图则包含三种像素值0,1,255,如果加上翻转之后的阈值,可以得到两种比较有吸引力的区域——一这两种都和周围的具有很大的对比性,一种是远远大于周围的像素特征,另一种是远远小于当前的特征。经过上面的处理之后,在POST_PROCESS步骤,利用漫水填充算法进行分割就可以得到最终的salient
object。(算法和实现代码有一些出入)
公式可以看做是一个贝叶斯推导模型,p表示在给定图像的情况下,得到Boolean Map为B的概率,而A则表示B所能够提供的注意力映射图,而注意力映射图最终体现的是显著性映射图。在文中,作者提出利用均匀的阈值分割的方式来得到Boolean Map,也就是说,大于阈值的像素点赋值255,反之则赋值0;从阈值增长的步长固定。在实现的时候,上面公式中的p在不同的Boolean Map均相等,这样的话只需要求得A将其累加就可以了。
上面是整个算法的流程,到第12步就已经得到了eye fixation显著性映射图。后期的处理根据这个给定的显著性映射图进行指导性分割,就可以得到salient object。算法的第4到第6步主要目的是为了得到一个Boolean Map映射图,并利用开操作去除噪声点。而第8到第11步则是计算注意力映射图。surrounded region是指不论是背景区域还是目标区域都具备一定的连通性。在实现的时候,从图像的边缘开始考虑连通性,那么和图像边缘相关联的区域将会因为连通性全部被设置为1。Boolean Map图则包含三种像素值0,1,255,如果加上翻转之后的阈值,可以得到两种比较有吸引力的区域——一这两种都和周围的具有很大的对比性,一种是远远大于周围的像素特征,另一种是远远小于当前的特征。经过上面的处理之后,在POST_PROCESS步骤,利用漫水填充算法进行分割就可以得到最终的salient
object。(算法和实现代码有一些出入)
相关文章推荐
- Saliency程序代码分享
- Saliency Detection: A Spectral Residual Approach
- 读CVPR2014论文<Saliency Optimization from Robust Background Detection>
- VISUAL SALIENCY DETECTION BASED ON BAYESIAN MODEL
- 显著性检测代码调试所遇到的问题
- Python 初学者容易犯的错误
- leetcode-268. Missing Number
- static 和 final 回顾
- LightOJ - 1245 Harmonic Number (II) 分块加速
- HDU 3265 Posters (线段树+扫描线)(面积并)
- Maven 项目使用开源中国镜像
- 深入浅出ES6(三):生成器 Generators
- 333333
- 航空公司判定图练习
- 提升 MongoDB 安全性的 10 个提示
- shiro认证的流程
- 用两个栈实现队列
- 迎来史上最好的编辑器:VSC,没有之一
- Linux系统的理解及学习Linux内核的心得
- HBuilder支持jquery、zepto、angular、ext、dojo 等js框架的提示吗