计算机科学与探索

作者：赵悉超，刘政怡，李炜

单位：1.安徽大学 计算智能与信号处理教育部重点实验室，合肥 2306012.安徽大学 计算机科学与技术学院，合肥 2306013.安徽大学 信息保障技术协同创新中心，合肥 230601

关键词：协同显著性检测,交叉图像显著性传播,图像内显著性约束,凸包先验机制

协同显著性检测是指在一组相关图像中发现共同的显著前景区域。现有方法捕获图像中节点对的关系，利用人类先验知识构建协同显著性检测模型，然而忽略了检测中节点之间的高阶关系，没有挖掘到节点间的潜在联系，从而导致次优的协同显著图。提出了一个新颖的基于超图的种子传播的协同显著性检测框架。具体来说，框架由交叉图像显著性传播和图像内显著性约束组成，前者利用基于单显著图的显著种子点，跨图像交叉传播机制，融合算法检测图像组的协同显著对象并抑制非协同显著对象，获得初步协同显著图；后者再引入图像的凸包先验机制，学习空间分布信息，约束共同背景噪声，抑制相似背景区域，获得更精确的协同显著图。在两个广泛使用的协同显著性检测数据集上进行大量的实验，结果表明，同为无监督模型，相比现存的无监督协同显著性方法，获得了最优的性能。

来源：2019年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第11期