基于背景显著性和前景显著性相结合的纺织印染图像显著性检测

文章提出一种基于图像背景显著性和前景显著性相结合、自底向上的纺织印染图像显著性检测算法。此算法首先通过图像的边界信息,从图像边框或中心的超像素中收集背景种子并计算出基于背景的显著图;其次,通过基于脉冲耦合神经网络(PCNN)的自适应阈值方法分割基于背景的显著图来收集前景种子并计算出基于前景的显著图;最后,使用文章提出的公式,将两个显著图综合起来,并使用显著扩散和高斯衰减的方法进行优化,获得效果最佳的纺织印染图像显著图。

基于自适应流形相似性的图像显著性区域提取算法

为了在图像显著性区域提取过程中改善算法的自适应性和精准度,提出基于自适应流形相似性的图像显著性区域检测算法。将图像分割成超像素,根据图像中显著性区域频率变化比较大的特性,生成图像显著性区域的高频节点;针对高频节点利用凸包运算寻找显著性区域的种子节点;使用流形算法在图像中对种子节点进行显著性区域信息扩散,得到图像的显著性区域。试验结果表明:利用流形算法搭建求解每个数据的邻接矩阵进行信息扩散,能够在保证信息精准分类的同时提高算法的自适应性,其结果优于同类的图像显著性区域检测算法。