典型文献
基于SVM和背景模型的显著性目标检测算法
文献摘要：
针对显著性目标多样性和不确定性,机器学习算法无法检测没有先验信息的图像问题,提出了一种基于图像边缘信息构建背景模型结合SVM分类算法的显著性目标检测算法.该方法对输入图像进行超像素预处理,使像素级转化为超像素级,既抑制噪声,又提高了计算效率.利用图像边缘超像素构建图像的初始背景模型,得到初始显著图.基于SVM算法建立目标和背景的分类模型,结合信息熵评价特征图,迭代优化背景模型,同时得到显著性目标.在公开数据库中进行了测试,实验结果表明,提出的检测算法能够在没有任何图像先验信息的情况下有效地检测出图像中的显著性目标,与流行的5种算法相比,该方法对检测目标的尺度和数量都具有较好的鲁棒性.
文献关键词：
目标检测;视觉注意;SVM;背景模型
中图分类号：
作者姓名：
张艳邦;张芬;张姣姣
作者机构：
咸阳师范学院数学与统计学院,陕西咸阳712000;咸阳师范学院智能信息分析与数据处理研究所,陕西咸阳712000
文献出处：
引用格式：
[1]张艳邦;张芬;张姣姣-.基于SVM和背景模型的显著性目标检测算法)[J].电子设计工程,2022(05):17-21,27
A类：
B类：
背景模型,显著性目标检测,目标检测算法,机器学习算法,先验信息,图像问题,图像边缘信息,信息构建,分类算法,超像素,像素级,抑制噪声,计算效率,建图,显著图,分类模型,信息熵,特征图,迭代优化,图像先验,出图,视觉注意
AB值：
0.350747
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
