论文部分内容阅读
针对现有显著性检测方法在复杂自然图像下鲁棒性不高的问题,提出了一种结合吸收Markov链和流行排序的显著性检测算法。首先计算灰度图像的熵值得到超像素分割数目,然后分两阶段进行显著性检测。在第1阶段,首先对边缘超像素进行预处理,再使用背景先验进行基于吸收Markov链随机游走的显著性检测;在第2阶段,使用第1阶段计算的区域显著值作为前景查询种子用于流行排序对检测结果进一步优化。在公开数据集ASD和ECSSD上的实验结果表明:与现有显著性检测算法对比,该算法可以准确地突出显著目标,并有效地抑制背景,同时