基于频域与空间域分析的显著区域检测算法

doi:10.3969/j.issn.1000-3428.2012.17.046

计算机工程 ›› 2012, Vol. 38 ›› Issue (17): 166-170. doi: 10.3969/j.issn.1000-3428.2012.17.046

基于频域与空间域分析的显著区域检测算法

王岩¹，卢宏涛¹，邓南²，蔡能斌²

(1. 上海交通大学计算机科学与工程系，上海 200240；2. 上海市公安局物证鉴定中心上海市现场物证重点实验室，上海 200083)

收稿日期:2011-12-09 修回日期:2012-01-12 出版日期:2012-09-05 发布日期:2012-09-03
作者简介:王岩(1987－)，男，硕士研究生，主研方向：计算机视觉；卢宏涛，教授、博士生导师；邓南、蔡能斌，工程师
基金资助:
国家自然科学基金资助项目(60873133)；上海科学技术委员会基金资助项目(08JG05002)

Salient Region Detection Algorithm Based on Frequency and Spatial Domain Analysis

WANG Yan ¹, LU Hong-tao¹, DENG Nan², CAI Neng-bin ²

(1. Department of Computer Science and Engineering, Shanghai Jiaotong University, Shanghai 200240, China; 2. Shanghai Key Laboratory of Criminal Scene Evidence, Institute of Forensic, Shanghai Municipal Public Security Bureau, Shanghai 200083, China)

Received:2011-12-09 Revised:2012-01-12 Online:2012-09-05 Published:2012-09-03

摘要/Abstract

摘要： 显著区域检测对于多种计算机视觉应用有所帮助，如图像分割、目标识别、图像检索及自适应压缩。为此，提出一个基于频域与空间域分析的显著区域检测算法。通过拥有不同尺寸窗口的中值滤波器对不显著的区域进行抑制，根据空间信息选择最佳的显著图。与 5个经典算法的比较实验结果表明，利用该算法得到的显著图既去除了背景，又突出了整个显著物体。

关键词: 显著区域, 频域, 空间域, 视觉注意, 显著图, 中值滤波器

Abstract: Detection of salient region is useful for many computer vision applications, such as image segmentation, object recognition, image retrieval, adaptive compression and so on. This paper proposes a new salient region detection algorithm based on frequency and spatial domain analysis. It suppresses the non-salient regions by different window sizes, selectes the best saliency map by spatial information. The final saliency map removes background and highlights the entire salient object. Experimental results show that the proposed algorithm outperforms the 5 typical methods.

Key words: salient region, frequency domain, spatial domain, visual attention, salient map, median filter

中图分类号:

TP312

王岩, 卢宏涛, 邓南, 蔡能斌. 基于频域与空间域分析的显著区域检测算法[J]. 计算机工程, 2012, 38(17): 166-170.

WANG Yan, LEI Hong-Chao, DENG Na, CA Nai-Bin. Salient Region Detection Algorithm Based on Frequency and Spatial Domain Analysis[J]. Computer Engineering, 2012, 38(17): 166-170.

http://www.ecice06.com/CN/Y2012/V38/I17/166

参考文献

[1] Han Junwei, Ngan K N, Li Mingjing, et al. Unsupervised Extraction of Visual Attention Objects in Color Images[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2006, 16(1): 141-145.
[2] 赵倩. 自然图像中的感兴趣目标检测新技术[D]. 上海: 上海大学, 2010.
[3] Fu Yu, Cheng Jian, Li Zhenglong, et al. Saliency Cuts: An Automatic Approach to Object Segmentation[C]//Proc. of the 19th International Conference on Pattern Recognition. Tampa, USA: [s. n.], 2008.
[4] Rutishauser U, Walther D, Koch C, et al. Is Bottom-up Attention Useful for Object Recognition?[C]//Proc. of 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington D. C., USA: IEEE Press, 2004.
[5] Chen Tao, Cheng Mingming, Tan Ping, et al. Sketch2Photo: Internet Image Montage[J]. ACM Transactions on Graphics, 2009, 28(5): 1-10.
[6] Christopoulos C, Skodras A, Ebrahimi T. The JPEG2000 Still Image Coding System: An Overview[J]. IEEE Transactions on Consumer Electronics, 2000, 46(4): 1103-1127.
[7] Itti L, Koch C, Niebur E. A Model of Saliency-based Visual Attention for Rapid Scene Analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(11): 1254- 1259.
[8] Hou Xiaodi, Zhang Liqing. Saliency Detection: A Spectral Residual Approach[C]//Proc. of IEEE Conference on Computer Vision and Pattern Recognition. Minneapolis, USA: IEEE Press, 2007.
[9] Guo Chenlei, Ma Qi, Zhang Liming. Spatio-temporal Saliency Detection Using Phase Spectrum of Quaternion Fourier Transform[C]//Proc. of IEEE Conference on Computer Vision and Pattern Recognition. Anchorage, USA: IEEE Press, 2008.
[10] Zhai Yun, Shah M. Visual Attention Detection in Video Sequences Using Spatiotemporal Cues[C]//Proc. of the 14th Annual ACM international Conference on Multimedia. Santa Barbara, USA: ACM Press, 2006.
[11] 张巧荣, 张永强, 肖会敏. 一种基于物体的视觉注意计算模型[J]. 计算机工程, 2011, 37(10): 29-31.
[12] Achanta R, Hemami S, Estrada F, et al. Frequency-tuned Salient Region Detection[C]//Proc. of IEEE Conference on Computer Vision and Pattern Recognition. Miami, USA: IEEE Press, 2009.
[13] Ma Yufei, Zhang Hongjiang. Contrast-based Image Attention Analysis by Using Fuzzy Growing[C]//Proc. of the 11th ACM International Conference on Multimedia. Berkeley, USA: ACM Press, 2003.
[14] Harel J, Koch C, Perona P. Graph-based Visual Saliency[C]// Proc. of NIPS’07. [S. l.]: MIT Press, 2007.
[15] Achanta R, Estrada F, Wils P, et al. Salient Region Detection and Segmentation Computer Vision Systems[M]. Heidelberg, Germany: Springer, 2008.

选择文件类型/文献管理软件名称

选择包含的内容

基于频域与空间域分析的显著区域检测算法

Salient Region Detection Algorithm Based on Frequency and Spatial Domain Analysis

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	沈学利, 田桂源, 姜彦吉, 马琳琳. 基于双阶段Conv-Transformer的时频域语音增强算法[J]. 计算机工程, 2023, 49(6): 123-130.
[2]	常戬, 刘鑫姝. 空间转换与自适应灰度校正的低照度图像增强[J]. 计算机工程, 2023, 49(6): 193-200,207.
[3]	王健宗, 孔令炜, 黄章成, 肖京. 图神经网络综述[J]. 计算机工程, 2021, 47(4): 1-12.
[4]	袁文浩, 时云龙, 胡少东, 娄迎曦. 一种基于时频域特征融合的语音增强方法[J]. 计算机工程, 2021, 47(10): 75-81.
[5]	梁猛, 史晓霜. 基于二阶Newton插值的莫尔条纹消除算法[J]. 计算机工程, 2020, 46(5): 259-266.
[6]	蔡凯, 李新福, 田学东. 基于视觉注意力分析的3D内容生成方法[J]. 计算机工程, 2020, 46(4): 266-272.
[7]	李琳潇, 程方, 李慧敏. LTE-A系统中主同步信号重叠分段检测算法[J]. 计算机工程, 2019, 45(7): 103-107.
[8]	陈威,李决龙,邢建春,杨启亮,周启臻. 融合前景信息的背景模板优化显著性检测算法[J]. 计算机工程, 2019, 45(1): 221-225,232.
[9]	姚钊健,谭台哲. 结合凸包先验与流形排序的显著性检测算法[J]. 计算机工程, 2018, 44(9): 203-211,217.
[10]	王万耀,段先华,徐丹,於跃成,黄炜亮. 基于显著性的Grabcut图像分割方法[J]. 计算机工程, 2018, 44(7): 230-236,243.
[11]	高东东,张新生. 基于空间卷积神经网络模型的图像显著性检测[J]. 计算机工程, 2018, 44(5): 240-245.
[12]	张玉雪,唐振民,钱彬,徐威. 融入视觉注意机制的路面裂缝检测与识别[J]. 计算机工程, 2018, 44(4): 287-293.
[13]	刘小丹,岳爽. 基于视觉注意的遥感图像森林植被纹理分割[J]. 计算机工程, 2018, 44(4): 274-280.
[14]	孔英会,尹紫薇,车辚辚. 基于稀疏学习与显著性的人脸识别方法研究[J]. 计算机工程, 2018, 44(2): 271-276.
[15]	肖锋,冯飞,田鹏辉. 复杂场景下融合深度信息的显著区域匹配[J]. 计算机工程, 2017, 43(5): 248-254,260.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于频域与空间域分析的显著区域检测算法

Salient Region Detection Algorithm Based on Frequency and Spatial Domain Analysis

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价