基于前景增强与背景抑制的显著性物体检测

摘要

显著性物体检测的关键在于准确地突出前景区域,多数传统方法在处理复杂背景图像时效果不理想.针对上述问题,提出了一种基于前景增强与背景抑制的显著性物体检测方法.首先,利用简单线性迭代聚类(SLIC)将图像进行分割得到多个超像素区域,通过区域间的对比和边界信息分别获得图像的显著区域与背景种子,并通过计算得到基于区域阃对比和基于背景的两幅显著图.然后,在两幅图像中运用Seam Carving和Graph-based的图像分割法区分显著与非显著区域,进而得到前景增强与背景抑制模板.最终,融合两幅显著图与模板得到最终的显著图.在公开数据集MSRA-1000上对算法进行验证,结果表明,所提算法与7种主流算法相比具有更好的查准率和查全率.