期刊专题

10.3778/j.issn.1002-8331.1607-0134

基于深度交叉CNN和免交互GrabCut的显著性检测

引用
针对传统显著性检测算法特征学习不足,显著性区域边界不明确和检测效果鲁棒性较差等问题,提出一种基于深度交叉卷积神经网络和免交互GrabCut的显著性检测算法.该方法首先针对传统CNN模型中神经元和参数规模较大导致训练困难的不足,根据人眼视觉原理,构建深度交叉卷积神经网络模型(DCCNN);然后,采用超像素聚类方法获取图像区域特征,并通过Beltrami滤波突出图像内的边界特征,利用DCCNN对特征进行学习,在联合条件随机场框架下完成特征融合,实现显著性区域粗糙检测;最后,对粗糙检测结果自适应二值化和形态学膨胀,将显著区域的多边形逼近结果作为GrabCut算法的输入,完成显著性区域的精确检测.实验结果表明所提算法能够有效提高显著性检测精度,具有更好的鲁棒性和普适性.

显著性检测、深度交叉卷积神经网络(CNN)、超像素、Beltrami滤波、条件随机场(CRF)、免交互GrabCut

53

TP391.4(计算技术、计算机技术)

国家自然科学基金51307183

2017-04-01(万方平台首次上网日期,不代表论文的发表时间)

共9页

32-40

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

53

2017,53(3)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn