一种随机的视觉显著性检测算法  

Efficient random saliency map detection

作　　者：黄志勇[1] 何发智[1] 蔡贤涛[1] 周正钦[1] 刘静[1] 梁铭铭[1] 陈晓[1] 

机构地区：[1]武汉大学计算机学院,武汉430074

出　　处：《中国科学：信息科学》2011年第7期863-874,共12页Scientia Sinica(Informationis)

基　　金：国家自然科学基金(批准号:61070078);中央高校基本科研业务费专项资金资助项目

摘　　要：图像处理与模式识别技术一样,依赖于高质量的视觉显著性图(saliency map)才能得到较好的处理结果.现有的视觉显著性检测技术通常只能检测得到粗糙的视觉显著性图;这些粗糙的视觉显著性图应用于图像处理中将严重影响图像处理的最终结果.本文提出了一种随机的基于内容的视觉显著性区域检测算法;该算法整合多层次粗糙的视觉显著性图到结果显著性图中,并逐步自适应地精化可信度不高的显著性值,最终得到一个考虑了多尺度特征的精细的视觉显著性结果.因为随机算法具有执行效率高,占用内存少等特点;本文的高效随机视觉显著性检测算法不需要建立额外的辅助数据结构来加速算法,只需占用少量内存就能快速检测出精细的高质量视觉显著性结果.并且高效随机的视觉显著性检测算法可以直接移植到GPU上并行执行;大量的实验结果表明本文的算法可以得到更加精细的显著性结果,这些精细的显著性结果应用于基于内容的图像缩放中得到了较好的处理结果.Most image retargeting algorithms rely heavily on valid sahency map detection to proceed.However, the inefficiency of high quality sahency map detection severely restricts the application of these image retargeting methods.In this paper,we propose a random algorithm for efficient context-aware sahency map detection.Our method is a multiple level saliency map detection algorithm that integrates multiple level coarse saliency maps into the resulting saliency map and selectively updates unreliable regions of the saliency map to refine detection results.Because of the randomized search,our method requires very little additional memory beyond that for the input image and result map,and does not need to build auxiliary data structures to accelerate the saliency map detection.We have implemented our algorithm on a GPU and demonstrated the performance for a variety of images and video sequences,compared with state-of-the-art image processing.

关 键 词：显著性检测 图像缩放 随机算法 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]