基于自适应LARK特征的图像显著性检测算法

为了有效检测自然场景中的显著区域,提出一种简单高效的基于自适应LARK特征的图像显著性检测方法。首先自适应选取若干个有效的LARK特征分量,然后计算基于该特征的像素显著性值。为进一步增强图像像素的显著性,通过经典的超像素分割方法计算图像的超像素颜色奇异性值。最后将这两者线性融合,形成自然场景中像素的最终显著性值。在国际通用数据集上测试,结果表明,该方法优于其他视觉显著区域检测计算方法,并且可以产生均匀突出的显著性图谱,在正确率和召回率上都有明显提高。

基于FPGA的特征降维算法实现

针对图像LARK(局部自适应回归核)特征提取过程中存在的信息冗余问题,利用PCA(主成分分析)技术对图像LARK特征进行降维处理,并且提出了相应的硬件架构。设计的硬件架构主要包括协方差矩阵运算模块、SVD分解模块和重映射模块。通过实验验证,在保证精度的前提下,提出的架构能满足实时性要求。