技术特征:
技术总结
本发明公开了一种机器学习、背景抑制与感知正反馈相结合的视觉显著性检测方法。算法模拟人眼微跳视与感知衰退机制,提出一种算法框架。首先,图像被直接、粗略划分为注视区和非注视区;通过对这两个区域像素的多次随机采样,来模拟微跳视对注视区的重复扫描。采样后的多个样本集,经学习构建出多个PELM模型;多模型的分类结果叠加构成粗显著图。接着,粗显著图通过RBD算法抑制背景,并针对注视区构建基于PELM的正反馈迭代过程;若迭代中PELM分类结果稳定,则视觉感知饱和,结束循环。PELM分类结果可被看作一种视觉刺激,叠加刺激形成目标被强化的新显著图,可实现了一种完全数据驱动、逐步求精的显著性检测。
技术研发人员:潘晨;吴祯
受保护的技术使用者:中国计量大学
技术研发日:2017.05.08
技术公布日:2017.09.15