高级搜索

基于超复数域小波变换的显著性检测

余映 吴青龙 邵凯旋 康迂星 杨鉴

引用本文: 余映, 吴青龙, 邵凯旋, 康迂星, 杨鉴. 基于超复数域小波变换的显著性检测[J]. 电子与信息学报, doi: 10.11999/JEIT180738 shu
Citation:  Ying YU, Qinglong WU, Kaixuan SHAO, Yuxing KANG, Jian YANG. Saliency Detection Using Wavelet Transform in Hypercomplex Domain[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT180738 shu

基于超复数域小波变换的显著性检测

    作者简介: 余映: 1977年生,副教授,研究方向为图像与视觉、人工神经网络;
    吴青龙: 1993年生,硕士生,研究方向为图像处理、计算机视觉;
    邵凯旋: 1993年生,硕士生,研究方向为图像处理、计算机视觉;
    康迂星: 1993年生,硕士生,研究方向为图像处理、压缩感知;
    杨鉴: 1964年生,教授,研究方向为语音信号处理、模式识别;
    通讯作者: 吴青龙, mywuqinglong6268@163.com
  • 基金项目: 国家自然科学基金(61263048),云南省应用基础研究计划项目(2018FB102),云南大学“中青年骨干教师培养计划”(XT412003)

摘要: 针对现有频域显著性检测方法得到的显著区域不完整的问题,该文提出一种多尺度分析的频率域显著性检测方法。首先由输入图像特征通道信息构建4元超复数,然后通过小波变换对4元超复数域中幅度谱进行多尺度分解,计算生成多尺度下的视觉显著图,最后由评价函数选出效果较好显著图合成最终视觉显著图。实验结果表明,该文方法能够有效地抑制背景干扰,快速、精确地找到完整的显著目标,具有较高的检测精确度。

English

    1. [1]

      YAO Haishan and LI Chaoyi. Clustered organization of neurons with similar extra-receptive field properties in the primary visual cortex[J]. Neuron, 2002, 35(3): 547–553. doi: 10.1016/S0896-6273(02)00782-1

    2. [2]

      ITTI L, KOCH C, and 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. doi: 10.1109/34.730558

    3. [3]

      ITTI L and KOCH C. Computational modelling of visual attention[J]. Nature Reviews Neuroscience, 2001, 2(3): 194–203. doi: 10.1038/35058500

    4. [4]

      ZHANG Lingyun, TONG M H, MARKS T K, et al. SUN: A Bayesian framework for saliency using natural statistics[J]. Journal of Vision, 2008, 8(7): 32. doi: 10.1167/8.7.32

    5. [5]

      ACHANTA R and SÜSSTRUNK S. Saliency detection using maximum symmetric surround[C]. Proceedings of 2010 IEEE International Conference on Image Processing, Hong Kong, China, 2010: 2653–2656.

    6. [6]

      CHENG Mingming, ZHANG Guoxin, MITRA N J, et al. Global contrast based salient region detection[C]. Proceedings of CVPR 2011, Colorado Springs, USA, 2011: 409–416. doi: 10.1109/CVPR.2011.5995344.

    7. [7]

      CHENG Mingming, MITRA N J, HUANG Xiaolei, et al. Global contrast based salient region detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(3): 569–582. doi: 10.1109/TPAMI.2014.2345401

    8. [8]

      ZHANG Lihe, YANG Chuan, and LU Huchuan. Ranking saliency[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(9): 1892–1904. doi: 10.1109/TPAMI.2016.2609426

    9. [9]

      AZAZA A and DOUIK A. Saliency detection based object proposal[C]. Proceedings of the 14th International Multi-Conference on Systems, Signals & Devices, Marrakech, Morocco, 2017: 597–600.

    10. [10]

      WANG Wenguan and SHEN Jianbing. Deep visual attention prediction[J]. IEEE Transactions on Image Processing, 2018, 27(5): 2368–2378. doi: 10.1109/TIP.2017.2787612

    11. [11]

      CAO Feilong, LIU Yuehua, and WANG Dianhui. Efficient saliency detection using convolutional neural networks with feature selection[J]. Information Sciences, 2018, 456: 34–49. doi: 10.1016/j.ins.2018.05.006

    12. [12]

      吴泽民, 王军, 胡磊, 等. 基于卷积神经网络与全局优化的协同显著性检测[J]. 电子与信息学报, 2018, 40(12): 2896–2904. doi: 10.11999/JEIT180241
      WU Zemin, WANG Jun, HU Lei, et al. Co-saliency detection based on convolutional neural network and global optimization[J]. Journal of Electronics &Information Technology, 2018, 40(12): 2896–2904. doi: 10.11999/JEIT180241

    13. [13]

      HOU Xiaodi and ZHANG Liqing. Saliency detection: A spectral residual approach[C]. Proceedings of 2007 IEEE Conference on Computer Vision and Pattern Recognition, Minneapolis, USA, 2007: 1–8.

    14. [14]

      GUO Chenlei, MA Qi, and ZHANG Liming. Spatio-temporal saliency detection using phase spectrum of quaternion Fourier transform[C]. Proceedings of 2008 IEEE Conference on Computer Vision and Pattern Recognition, Anchorage, USA, 2008: 1–8.

    15. [15]

      LI Jian, LEVINE M D, AN Xiangjing, et al. Visual saliency based on scale-space analysis in the frequency domain[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(4): 996–1010. doi: 10.1109/TPAMI.2012.147

    16. [16]

      SANGWINE S J. Fourier transforms of colour images using quaternion or hypercomplex, numbers[J]. Electronics Letters, 1996, 32(21): 1979–1980. doi: 10.1049/el:19961331

    17. [17]

      ELL T A and SANGWINE S J. Hypercomplex Fourier transforms of color images[J]. IEEE Transactions on Image Processing, 2007, 16(1): 22–35. doi: 10.1109/TIP.2006.884955

    18. [18]

      ANTONINI M, BARLAUD M, MATHIEU P, et al. Image coding using wavelet transform[J]. IEEE Transactions on Image Processing, 1992, 1(2): 205–220. doi: 10.1109/83.136597

    19. [19]

      BIAN Peng and ZHANG Liming. Visual saliency: A biologically plausible contourlet-like frequency domain approach[J]. Cognitive Neurodynamics, 2010, 4(3): 189–198. doi: 10.1007/s11571-010-9122-0

    20. [20]

      GOFERMAN S, ZELNIK-MANOR L, and TAL A. Context-aware saliency detection[C]. Processing of 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, San Francisco, USA, 2010: 2376–2383.

    21. [21]

      GOFERMAN S, ZELNIK-MANOR L, and TAL A. Context-aware saliency detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(10): 1915–1926. doi: 10.1109/TPAMI.2011.272

    22. [22]

      DAVIS J and GOADRICH M. The relationship between precision-recall and ROC curves[C]. Proceedings of the 23rd International Conference on Machine Learning, Pittsburgh, USA, 2006: 233–240.

    23. [23]

      BRUCE N D B and TSOTSOS J K. Saliency, attention, and visual search: An information theoretic approach[J]. Journal of Vision, 2009, 9(3): 5. doi: 10.1167/9.3.5.

    1. [1]

      叶锋李婉茹陈家祯郑子华. 基于显著性区域检测和水平集的图像快速分割算法. 电子与信息学报, doi: 10.11999/JEIT170214

    2. [2]

      唐红梅王碧莹韩力英周亚同. 基于目标紧密性与区域同质性策略的图像显著性检测. 电子与信息学报, doi: 10.11999/JEIT190101

    3. [3]

      张静李云松郭杰王柯俨吴成柯. JPEG2000算法中基于有界输入有界输出(BIBO)增益控制的小波变换定点实现技术. 电子与信息学报, doi: 10.3724/SP.J.1146.2012.00450

    4. [4]

      韩铮肖志涛. 基于纹元森林和显著性先验的弱监督图像语义分割方法. 电子与信息学报, doi: 10.11999/JEIT170472

    5. [5]

      耿爱辉万春明李毅张云峰曹立华冯强. 基于分层差分表达理论的图像视觉增强. 电子与信息学报, doi: 10.11999/JEIT161070

    6. [6]

      韩民成旭李登旺. 基于小波变换的多分辨率锥束CT图像快速三维重建算法. 电子与信息学报, doi: 10.11999/JEIT170003

    7. [7]

      王晨樊养余李波. 基于鲁棒前景选择的显著性检测. 电子与信息学报, doi: 10.11999/JEIT170390

    8. [8]

      唐红梅吴士婧郭迎春裴亚男. 自适应阈值分割与局部背景线索结合的显著性检测. 电子与信息学报, doi: 10.11999/JEIT160984

    9. [9]

      吴秋玲吴蒙. 基于小波变换的语音信息隐藏新方法. 电子与信息学报, doi: 10.11999/JEIT150856

    10. [10]

      韩永华汪亚明孙麒赵匀. 基于小波变换及Otsu分割的农田作物行提取. 电子与信息学报, doi: 10.11999/JEIT150421

    11. [11]

      宋珩王世唏郁文贤粟毅. HMT与HMRF联合的SAR图像小波去斑方法. 电子与信息学报, doi: 10.3724/SP.J.1146.2007.00928

    12. [12]

      田妮莉喻莉. 一种基于小波变换和FIR神经网络的广域网网络流量预测模型. 电子与信息学报, doi: 10.3724/SP.J.1146.2007.00451

    13. [13]

      姜维卢朝阳李静刘晓佩姚超. 基于视觉显著性和提升框架的场景文字背景抑制方法. 电子与信息学报, doi: 10.3724/SP.J.1146.2013.00974

    14. [14]

      岑翼刚岑丽辉. 基于峰值变换的信号稀疏表示及重建. 电子与信息学报, doi: 10.3724/SP.J.1146.2010.00305

    15. [15]

      徐威唐振民. 融合相位一致性与二维主成分分析的视觉显著性预测. 电子与信息学报, doi: 10.11999/JEIT141478

    16. [16]

      张德祥张晶晶吴小培高清维. 基于Directionlets变换的偏振图像融合. 电子与信息学报, doi: 10.3724/SP.J.1146.2011.00601

    17. [17]

      赵春晖郭蕴霆. 一种快速的基于稀疏表示和非下采样轮廓波变换的图像融合算法. 电子与信息学报, doi: 10.11999/JEIT150933

    18. [18]

      邱应强余轮. 基于整数变换的自适应图像可逆水印方法. 电子与信息学报, doi: 10.3724/SP.J.1146.2013.01528

    19. [19]

      杨烜裴继红张智雄. 图像局部弹性变换中径向基函数紧支撑集的选取. 电子与信息学报, doi: 10.3724/SP.J.1146.2007.00951

    20. [20]

      练秋生张红卫陈书贞李林. 融合图像块低维流形特性与解析轮廓波稀疏性的压缩成像算法. 电子与信息学报, doi: 10.3724/SP.J.1146.2011.00424

  • 图 1  算法模型流程图

    图 2  心理物理学模板对比

    图 3  人眼注视点显著图

    图 4  算法显著图对比

    图 5  算法评价曲线对比图

    表 1  注视点AUC得分

    注视点本文算法HFTPQFTSRITSUNMSSHC
    全部0.83280.80460.75700.62280.53650.67290.65580.5766
    2个0.88310.84020.76960.62740.54440.67460.66980.5853
    下载: 导出CSV

    表 2  自然图像AUC得分

    方法本文算法HFTSRITHC
    AUC0.92020.91180.67360.72520.9212
    下载: 导出CSV

    表 3  算法计算速度(s)

    方法本文算法HFTPQFTSRITSUNMSSHC
    时间0.08320.09360.01980.00810.26971.61850.07670.6585
    下载: 导出CSV
  • 加载中
图(5)表(3)
计量
  • PDF下载量:  16
  • 文章访问数:  100
  • HTML全文浏览量:  67
  • 引证文献数: 0
文章相关
  • 通讯作者:  吴青龙, mywuqinglong6268@163.com
  • 收稿日期:  2018-07-20
  • 录用日期:  2019-02-17
  • 网络出版日期:  2019-03-16
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章