张志华
- 作品数：2 被引量：3H指数：1
- 供职机构：安徽大学计算机科学与技术学院更多>>
- 发文基金：国家教育部博士点基金安徽高校省级自然科学研究基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- Smoothness加强的全局和局部显著目标检测
- 2016年
- 显著目标检测是计算机视觉的重要组成部分。针对基于对比度的方法存在的前景和背景容易被误检的问题,提出Smoothness加强的全局和局部显著目标检测的方法。在全局对比度检测过程中引入中心先验知识,在局部对比度检测过程中引入Compactness特征,再使用Smoothness特征加强全局的显著性及局部的显著性,最后将全局显著图和局部显著图进行线性融合。在MSRA-1000、ECSSD数据集上的评估中,该算法有更高的准确率,在CSSD数据集上能和最先进算法相媲美。实验表明,从全局和局部两个角度出发的显著性检测的方法能够有效的互补,Smoothness能够有效加强前景和背景的差异性,并且有效纠正一些误检现象,从而取得更好的结果。
- 黄子超刘政怡张志华
- 关键词：SMOOTHNESSCOMPACTNESS
- 多角度融合的RGB-D显著检测被引量：3
- 2018年
- 显著检测是计算机视觉的重要组成部分,但大部分的显著检测工作着重于2D图像的分析,并不能很好地应用于RGB-D图片的显著检测。受互补的显著关系在2D图像检测中取得的优越效果的启发,并考虑RGB-D图像包含的深度特征,提出多角度融合的RGB-D显著检测方法。此方法主要包括三个部分,首先,构建颜色深度特征融合的图模型,为显著计算提供准确的相似度关系;其次,利用区域的紧密度进行全局和局部融合的显著计算,得到相对准确的初步显著图;最后,利用边界连接权重和流形排序进行背景和前景融合的显著优化,得到均匀平滑的最终显著图。在RGBD1000数据集上的实验对比显示,所提出的方法超越了当前流行的方法,表明多个角度互补关系的融合能够有效提高显著检测的准确率。
- 张志华刘政怡
- 关键词：流形排序
