华南理工大学学报(自然科学版)

作者：崔冬, 王明, 李刚, 等

单位：1． 燕山大学 信息科学与工程学院，河北 秦皇岛 066004; 2． 河北省信息传输与信号处理重点实验室，河北 秦皇岛 066004

关键词：显著性检测,多级深度特征,特征提取,随机游走

基金：国家自然科学基金资助项目 (61303128); 河北省自然科学基金资助项目 (F2017203169，F2018203239); 河北省科技计划项目 (18210336)

为了解决图像显著性检测中传统方法特征学习不全面、复杂场景下显著区域凸出不明显的问题，提出了一种基于多级深度特征和随机游走的显著性检测算法。首先，利用全卷积神经网络，结合深层和浅层卷积特征信息对图像进行多级卷积深度特征提取; 然后，对图像进行超像素分割，将提取的深度卷积特征分配给相应的超像素，构建特征矩阵; 最后，通过正则化随机游走排序模型生成最终的显著图。在 ECSSD 和 DUT-OMRON 数据库上的实验结果表明，与 6 种具有代表性的显著性检测算法相比，文中算法的准确性和 F 值具有一定的优势。

来源：2020年第8期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第8期