多核学习框架下多线索融合的显著性区域检测算法

作     者：徐丹 于化龙 段先华 张绛丽 左欣 XU Dan YU Hualong DUAN Xianhua ZHANG Jiangli ZUO Xin

作者机构：江苏科技大学计算机科学与工程学院镇江212003 

出 版 物：《江苏科技大学学报（自然科学版）》 (Journal of Jiangsu University of Science and Technology:Natural Science Edition)

年 卷 期：2016年第30卷第6期

页      面：591-598页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61305058) 江苏省自然科学基金资助项目(BK20130471 BK20150470) 江苏省高校自然科学研究面上项目(16KJB52009 15KJB520008) 

主　　题：显著性检测 全局对比度 层次空间显著性 多核学习 

摘      要：针对自底向上的显著性检测算法中存在的底层特征表达力弱、产生的显著图存在噪声等问题,提出了一种多核学习框架下多线索融合的显著性区域检测算法.首先,提出全局对比度和层次空间两种自底向上的显著性线索,产生的显著图为弱显著图;其次,以弱显著图为基础,得到正样本和负样本,每个样本用颜色和纹理特征表示;最后,在多核学习框架下进行多线索融合,得到自上而下的强显著图.在公开数据集上进行的实验结果表明,文中算法优于流行的显著性检测算法,可得到更高的准确率和查全率.