融合似物性前景对象与背景先验的图像显著性检测

为了在复杂背景图像中准确地提取出图像的显著区域,提出一种结合似物性前景对象与背景先验知识的图像显著性检测方法(OFOBP)。该方法首先对图像进行超像素分割,计算超像素颜色空间分布,得到初始显著图;利用似物性检测方法获取多个目标窗口,由窗口建立搜索区域,结合二值化的初始显著图优化目标窗口;再利用多窗口特征对超像素做前景对象预测,获取前景显著图;其次建立背景模板,计算稀疏重构误差获取背景先验图;最后融合两种显著图,得到最终显著检测结果。在公开数据集上与11种算法进行比较,本文算法能够较为准确地检测出显著区域,尤其是在复杂背景下对多个显著目标的检测,存在明显的优势。

海上船舶智能检测及其关键算法研究

海上船舶检测环境复杂、实时监测难度大。针对传统滑动窗口遍历搜索法运算量大、实时性差的问题,提出了一种基于似物性和相似度匹配的快速传播检测算法。首先,提取正、负样本的规范二值化梯度特征,用支持向量机的方法训练分类器,用于检测显著性区域。其次,针对分类器多尺度筛选的问题,引入相似度匹配的过滤算法。最后,针对船舶上人员的检测,运用方向梯度直方图(Histogram of Oriented Gradient,HOG)+支持向量机(Support Vector Machine,SVM)的方式训练分类器,提取候选框的HOG特征作为目标判定。