基于流行排序的显著性检测改进算法研究

• 作 者: 晁妍 王慧玲
• 机 构: 阜阳师范学院计算机与信息工程学院
• 出 处: 阜阳师范学院学报(自然科学版)
• 发表日期: 2018年02期
• 关键词: 显著性检测 流行排序 线性加权 saliency detection manifold ranking linear weighting
• 基金项目: 国家自然科学基金（61673117）,安徽省教育厅重点项目（KJ2016A551）,国家级大学生创新项目（201610371010）,阜阳师范学院重点项目（2018FSKJ04ZD）资助

图像显著性检测是从单幅图像中检测出最突出的部分,由于现有的显著性检测算法只考虑了单尺度的问题,本文提出一种线性加权图融合的显著性检测算法。该算法首先利用超像素分割算法对图像进行多尺度分割,然后利用线性加权融合算法,得到最终的显著图。在数据集ASD和ECSSD上与当前流行的8种检测算法进行实验比对,结果表明,本文算法能获得更优的F-measure值和精确度,而且可以获得更加均匀准确的显著图。