超像素和阈值分割相结合的显著目标检测算法.docVIP

超像素和阈值分割相结合的显著目标检测算法 　　（1.上海应用技术学院 计算机科学与信息工程学院， 上海 201418； 2.华东理工大学 自动化研究所， 上海 200237） 　　摘 要： 现有的显著性检测结果普遍含噪及未能完整高亮显著物体，使得后续的显著目标检测仍是一个具有挑战性的问题。提出了一种结合超像素分割和阈值分割的新的显著目标检测算法。算法首先利用超像素分割方法对原图像进行分割计算，然后依据显著性检测结果计算每一个分割区域像素的平均显著度值，接着用平均显著度值表示超像素内每一个像素的原显著度值，最后根据阈值分割算法对其进行计算获取二值掩码图以表示显著目标检测结果。实验结果表明，在4种具有代表性的显著图上，所提算法能有效检测显著目标，具有较高的正确率、召回率和F度量值。 　　关键词： 显著目标检测； 超像素分割； 阈值分割； 感兴趣区域 　　中图分类号： TN919.8?34 文献标识码： A 文章编号： 1004?373X（2016）14?0095?05 　　Salient object detection algorithm combining superpixel segmentation 　　with threshold segmentation 　　ZHANG Qing1， LIN Jiajun2 　　（1. College of Computer Science and Information Engineering， Shanghai Institute of Technology， Shanghai 201418， China； 　　2. Institute of Automation， East China University of Science and Technology， Shanghai 200237， China） 　　Abstract： The current saliency detection result usually contains noise， and can’t highlight the salient object completely， which makes the subsequent salient object detection be still a challenging problem， so a new salient object detection algorithm combining superpixel segmentation with threshold segmentation is proposed. In this algorithm， the superpixel segmentation method is used to segment and compute the original image， and according to the saliency detection result， the average saliency value of each segmentation area pixel is computed to express the original saliency value of each pixel in superpixel， then the threshold segmentation algorithm is used to compute the average saliency value to gain the binary mask map for expressing the salient object detection result. The experimental results show that the proposed algorithm can detect the salient objects in four representative saliency maps effectively， and has higher accuracy， recall rate and F?measure. 　　Keywords： salient object detection； superpixel segmentation； threshold segmentation； region of interest 　　0 引 言 　　图像作为视觉信息的主要表达手段，是人类感知客观世界的主要信息来源。传统的图像处理方法将图像的所有区域赋予相同的优先处理等级，然而实际上人们主要关心的处理对象内容通常仅占图像中的一小部分；因此，由