關(guān)于自底向上的顯著性方法的綜述-閱讀頁
2024-08-06 09:47本頁面
【正文】 ? 對上式兩邊同時取對數(shù)，由于對數(shù)函數(shù)是單調(diào)增加的，因此不會影響各點的顯著值排列 ?????? ??????? ???? ??? ???? ??? ??? ?? ??)(a r g)(a r g)|1()1|()(1)()()1()1|(),(s a lie n c yd o w nto pd e pe n d e n tetTp r io rL o c a tio nzL ik e lih o o dzs a lie n c yupb o tto mtin d e pe n d e TzzzzzzzlLCpCfFpfFplLpfFpCpClLplLfFps??????????????????? ???? ????? ???? ???? ??? ??)39。在信息論中，該項實際上求隨機變量 F取值為時的 自信息。比如，當(dāng)知道目標(biāo)物體為綠色時，那么該項的值在遇到綠色點時比遇到藍色點要大。一般情況下，我們并不知道目標(biāo)的位置信息和目標(biāo)的視覺特征，于是我們省略后兩項，只剩下自信息這一項 )(lo g zfFp ??zf)1(lo g ?? CfFp z)1(lo g zlLCp ??)(l o gl o g zz fFps ???GCS模型 ? GCS（ Global Contrast based Saliency）模型是由程明明等人基于輸入圖像的顏色統(tǒng)計特征提出的基于直方圖對比度的圖像顯著性值檢測方法。 ? 圖像 中像素點 的顯著性定義為 ? 其中 為像素在 Lab空間的顏色距離度量。然后對每一個區(qū)域建立顏色直方圖。對于區(qū)域 和 ，他們之間的顏色距離度量定義為 ? 為第 i個顏色 在第 k個區(qū)域 的所有 種顏色中出現(xiàn)的概率。 ),()(*)/),(e xp()( 2 ikrirrsiksk rrDrwrrDrSik???? ?),( iks rrD kr ir s?PBS模型 ? PBS（ Patchbased Saliency）模型都是先將圖像分割為一系列大小一致的圖像塊，再根據(jù)不同的特征提取方式，對圖像塊進行特征提取。為簡便起見，我們不考慮圖像片的重疊問題。對于任一圖像片 ，將其表示成向量形式 ，最終得到一個表示圖像片的矩陣 WH? Inn?? ? ? ?nWnHL // ??Lip i ,2,1, ??ix],[ 21 LxxxX ??PBS模型 ? 使用 PCA抽取特征。其中 U的維度為 。 ip jp),(1),(),(jijic o lo rji ppdi s tppdi s tppitydi s s i m i l ar??????dnnjnijic o lo r uuppd i s t1),(?PBS模型 ? 圖像片 的顯著性計算方法為： 其中 為圖像片總數(shù)。據(jù)我們所知，此數(shù)據(jù)集是此類數(shù)據(jù)最大的測試集，并且有人工精確標(biāo)注了顯著性區(qū)域 。 實驗結(jié)果與分析 實驗結(jié)果與分析 實驗結(jié)果與分析 實驗結(jié)果與分析 ? 根據(jù)不同模型中提到的方法對顯著圖進行二值化，并且與實際分割圖進行比較，得到查準(zhǔn)率(precision)和查全率 (recall)以及 F三個指標(biāo)值。這是因為，自底向上的算法采用的特征都是一些底層的特征，如顏色，亮度，方向和空間位置信
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號-1