|
1.
基于遗传机制和高斯变差的自动前景提取方法
陈凯星, 刘赟, 王金海, 袁玉波
计算机应用
2017, 37 (11):
3231-3237.
DOI: 10.11772/j.issn.1001-9081.2017.11.3231
针对无监督或全自动前景提取这一技术难点问题,提出了一种基于遗传机制和高斯变差的自动前景提取(GFO)方法。首先,利用高斯变差提取图像中的相对重要区域,定义为候选种子前景;之后,利用原始图像和候选种子前景的边沿信息,根据连通性和凸球原则生成前景目标区域轮廓,称之为星凸轮廓;最后,构造适应性函数,选择种子前景,利用选择、交叉及变异的遗传机制,得到精确且有效的最终前景。在Achanta数据库和多个视频上的实验结果表明,GFO方法的性能优于已有的基于高斯变差的自动前景提取(FMDOG)方法,且在识别的准确率、召回率以及
F
β指标上都取得了较好的抽取效果。
参考文献 |
相关文章 |
多维度评价
|
|