融合边界信息和颜色特征的显著性区域检测
【摘要】 传统的显著性检测方法多利用图像的颜色特征并进行超像素分割作为预处理来进行检测，对于涂抹效应不足、误检测等问题一直没能有效解决。针对涂抹效应不足提出了一种结合图像边界信息及颜色特征的显著性区域检测方法。首先，为了更好地取得图像边缘信息并去除噪声，用多次WMF（加权中值滤波）和简单线性迭代聚类（SLIC）处理源图像，再通过颜色、亮度等信息找出滤波后图像中的自然边界。将得到的边界信息和通过SLIC分割得到的超像素的颜色特征进行融合作为先验概率，以SLIC分割得到超像素位于Graph-based分割得到初步显著图中的概率为条件概率，利用贝叶斯法则得到最终的显著图。在公开数据集MSRA-1000上对算法进行验证，结果表明该算法与7种主流算法相比有更好的查全率和查准率，最高查准率达到98.03%。
