自然场景下的显著性检测优化方法

为满足自然场景下显著性检测精度的要求, 提出了一种显著性检测优化方法。该方法采用简单线性迭代聚类分割算法将图像分割为多个超像素区域, 并提取颜色区域对比度特征。通过Harris角点检测算法定位目标的大致几何中心, 以中心概率的形式表征目标空间分布特征, 并进行目标位置自适应的特征融合。基于目标空间分布特征和图像灰度重心, 实现抑制背景、增强目标的显著图优化; 利用针对显著性值的空间平滑技术, 可增加显著图的连续性。实验结果表明, 该方法在几个公开的测试集中的测试具有较高的准确率、召回率和较低的平均绝对误差, 可应用于复杂自然场景下的显著性检测。