-
题名融合相位一致性与二维主成分分析的视觉显著性预测
被引量:3
- 1
-
-
作者
徐威
唐振民
-
机构
南京理工大学计算机科学与工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2015年第9期2089-2096,共8页
-
基金
国家自然科学基金(61473154)资助课题
-
文摘
为了更加有效地预测图像中吸引视觉注意的关键区域,该文提出一种融合相位一致性与2维主成分分析(2DPCA)的显著性方法。该方法不同于传统的利用相位谱的方式,而是提出采用相位一致性(PC)获取图像中重要的特征点和边缘信息,经快速漂移超像素优化后,融合局部和全局颜色对比度,生成低层特征显著图。接着提出利用2DPCA提取图像块的主成分后,计算主成分空间中图像块的局部和全局可区分性,得到模式显著图。最后,通过空间离散度度量分配合适的权重,使两者融合,提取显著性区域。在两种人眼跟踪数据库上与5种经典算法的实验对比结果表明,该算法能更加准确地预测人眼视觉关注点。
-
关键词
图像处理
视觉显著性
人眼关注点预测
相位一致性
2维主成分分析
-
Keywords
Image processing
Visual saliency
Eye fixation prediction
Phase congruency
Two-Dimensional Principal Component Analysis(2DPCA)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名视觉注意力检测综述
被引量:58
- 2
-
-
作者
王文冠
沈建冰
贾云得
-
机构
智能信息技术北京市重点实验室(北京理工大学)
-
出处
《软件学报》
EI
CSCD
北大核心
2019年第2期416-439,共24页
-
基金
国家自然科学基金(61673062)
北京市自然科学基金(4182056)~~
-
文摘
人类能够迅速地选取视野中的关键部分,选择性地将视觉处理资源分配给这些视觉显著的区域.在计算机视觉领域,理解和模拟人类视觉系统的这种注意力机制,得到了学界的大力关注,并显示出了广阔的应用前景.近年来,随着计算能力的增强以及大规模显著性检测数据集的建立,深度学习技术逐渐成为视觉注意力机制计算和建模的主要手段.综述了视觉注意力检测的最新研究进展,包括人眼关注点检测和显著物体检测,并讨论了当前流行的视觉显著性检测数据集和常用的评估指标.对基于深度学习的工作进行了综述,也对之前代表性的非深度学习模型进行了讨论,同时,对这些模型在不同的数据集上的性能进行了详细评估.最后探讨了该领域的研究趋势和未来的发展方向.
-
关键词
视觉注意力
视觉显著性
人眼关注点预测
显著物体检测
-
Keywords
visual attention
visual saliency
eye fixation prediction
salient object detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-