基于改进非局部均值滤波算法的显著性区域检测

作者：代志涛; 苏寒松; 刘高华; 张倩芳非局部均值显著性检测对象性测度估计对象级线索

摘要：针对传统非局部均值（NL-Means）滤波算法缺乏对人类视觉系统考虑的问题,提出一种基于改进非局部均值滤波算法框架的显著性区域检测算法.首先利用作为低层线索的颜色独特性生成初级显著图,然后利用对象性测度估计算法提取出对象候选集,再将对象性测度估计分数扩展到每个超像素区域,生成高层线索的前景先验和背景先验显著图,最后将3个显著图进行多尺度融合并作为改进滤波算法的对象级线索,经滤波得到最终显著图.在基准数据集MSRA-1000和ECSSD上,与目前流行的检测算法进行了主观定性和客观定量比较,实验结果表明,该算法不仅在均匀高亮显著对象的同时抑制背景区域,而且在准确率、召回率和F-measure等评价指标上也有较大提升.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社