• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于相似性融合的顯著區(qū)域檢測(cè)方法研究

    2021-04-29 19:27:33蔣益鋒胡琳娜劉冉冉
    關(guān)鍵詞:相似性顯著性融合

    蔣益鋒 胡琳娜 劉冉冉

    摘要:提出一種簡(jiǎn)單有效的基于相似性融合的顯著區(qū)域檢測(cè)方法:首先,通過最小方差量化降低顏色數(shù),在將量化圖像分割為超像素后,融合環(huán)繞性和邊界連通性線索計(jì)算超像素的加權(quán)融合顯著值,加權(quán)系數(shù)基于融合方法的顯著相似性獲得;同時(shí),引入融合修正以增強(qiáng)前景區(qū)域;最后,通過顯著性平滑和增強(qiáng)抑制圖像背景,得到高亮且均勻的顯著區(qū)域檢測(cè)結(jié)果。為了驗(yàn)證所提出方法的有效性,在ASD、ECSSD、ImgSal三個(gè)公開數(shù)據(jù)集上與8個(gè)現(xiàn)有方法進(jìn)行了性能比較,實(shí)驗(yàn)結(jié)果表明:所提出的融合機(jī)制可有效提升MaxF和S-measure等性能指標(biāo),并得到更為理想的檢測(cè)結(jié)果。

    關(guān)鍵詞:顯著性;顯著區(qū)域檢測(cè);相似性;融合

    中圖分類號(hào):TN911文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):2095-7394(2021)06-0050-09

    當(dāng)人類在觀察一個(gè)場(chǎng)景時(shí),視覺系統(tǒng)可以在極短的時(shí)間內(nèi)實(shí)現(xiàn)對(duì)場(chǎng)景內(nèi)容的整體把握,并在某一時(shí)刻內(nèi)快速理解場(chǎng)景中某一區(qū)域的細(xì)節(jié)信息。隨著人眼在場(chǎng)景中的快速跳轉(zhuǎn),人類視覺系統(tǒng)將依據(jù)場(chǎng)景內(nèi)容的重要程度從一個(gè)位置跳轉(zhuǎn)到下一個(gè)位置,直到掌握整個(gè)場(chǎng)景的主要內(nèi)容。在計(jì)算機(jī)視覺領(lǐng)域,顯著性檢測(cè)技術(shù)通常用于揭示場(chǎng)景內(nèi)容的重要程度,其主要任務(wù)可分為人眼視點(diǎn)預(yù)測(cè)[1-4]和顯著區(qū)域檢測(cè)[5-7],從所采用的檢測(cè)手段[6]來看,可分為快速的、自底向上的、數(shù)據(jù)驅(qū)動(dòng)的顯著性檢測(cè),以及慢速的、自頂向下的、任務(wù)驅(qū)動(dòng)的顯著性檢測(cè)。目前,顯著性檢測(cè)技術(shù)已被廣泛地應(yīng)用于圖像分割[8]、小目標(biāo)檢測(cè)[9]、目標(biāo)跟蹤[10]、視頻壓縮[11]以及視頻摘要[12]等計(jì)算機(jī)視覺領(lǐng)域。

    自底向上的檢測(cè)方法采用圖像的底層特征檢測(cè)顯著區(qū)域,此類方法一般利用中心-環(huán)繞的局部特征差異或特征的全局稀缺性來計(jì)算顯著性。基于局部特征差異的方法通過從輸入圖像中抽取不同的視覺特征,并利用視覺特征的局部差異生成顯著圖;基于全局稀缺的方法通過在整個(gè)場(chǎng)景中抽取全局的稀缺特征,并利用這些稀缺特征作為顯著區(qū)域的特征表示。除了通常所采用的顏色特征外,可用于顯著性檢測(cè)的圖像特征還包括強(qiáng)度[13]、紋理[14]和頻譜[1,3]等。

    受早期感知視覺系統(tǒng)和選擇性注意機(jī)制的啟發(fā),Itti等人[1]利用高斯差和中心-環(huán)繞對(duì)比預(yù)測(cè)人眼視點(diǎn);Ma等人[15]采用模糊增長和局部對(duì)比分析計(jì)算顯著性;Hou等人[2]提出了SR方法,該方法利用頻域中的譜殘差獲得顯著圖;而Li等人[3]認(rèn)為,SR方法只利用了相位信息,導(dǎo)致僅適用于特定場(chǎng)景,因此,采用低通高斯濾波核對(duì)圖像的振幅譜進(jìn)行卷積操作,實(shí)現(xiàn)顯著性檢測(cè);Achanta等人[5]提出了FT方法,通過在Lab顏色空間中計(jì)算顏色特征距離獲得顯著區(qū)域。文獻(xiàn)[4]提出了一種采用布爾圖檢測(cè)顯著性的BMS方法,該方法認(rèn)為,基于圖像特征稀缺性的檢測(cè)方法有時(shí)會(huì)忽略全局信息并將顯著區(qū)域錯(cuò)誤地定位到高對(duì)比的區(qū)域,因此基于格式塔心理學(xué)原理,采用環(huán)繞性線索檢測(cè)顯著性。由于在注意圖的生成過程中,BMS方法去除了所有與圖像邊界連通的區(qū)域,因而會(huì)導(dǎo)致對(duì)貼邊顯著區(qū)域檢測(cè)的失效。

    本文同樣關(guān)注快速的、自底向上的、數(shù)據(jù)驅(qū)動(dòng)的顯著區(qū)域檢測(cè)方法。這里所提出的基于相似性融合的顯著區(qū)域檢測(cè)方法,在最小方差量化后對(duì)量化圖像進(jìn)行超像素分割;然后,在每個(gè)超像素上基于相似性對(duì)兩種顯著性結(jié)果進(jìn)行融合并修正;最后,通過平滑和增強(qiáng)后處理得到顯著區(qū)域檢測(cè)結(jié)果。在三個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:所提出的方法具有較高的MaxF和S-measure指標(biāo),并能夠得到高亮且均勻的顯著區(qū)域檢測(cè)結(jié)果。

    1基于相似性融合的顯著區(qū)域檢測(cè)方法

    1.1方法框架

    如圖1所示為本文方法框架。首先,采用最小方差量化將輸入圖像包含的顏色數(shù)降為256 色,以得到較為緊致的超像素;然后,對(duì)量化圖像進(jìn)行超像素分割,并在每個(gè)超像素上引入加權(quán)系數(shù),對(duì)基于BMS和RBD的顯著相似性進(jìn)行融合;在得到補(bǔ)償修正后的超像素顯著性后,進(jìn)一步通過平滑和增強(qiáng)的兩步后處理操作得到顯著區(qū)域檢測(cè)結(jié)果。

    1.2顏色量化

    為了降低顏色計(jì)算的復(fù)雜度并形成超像素的緊致性,本文首先將輸入圖像縮放到400像素寬度,并在RGB顏色空間中采用最小方差量化[16]將輸入圖像所包含的顏色數(shù)統(tǒng)一降低為256色;最小方差量化將RGB所屬的立方體空間自適應(yīng)地劃分為不高于256個(gè)的大小不等的小立方體空間,其中分布較為稠密的顏色區(qū)域分配得到較大的立方體空間,分布較為稀疏的顏色區(qū)域分配得到較小的立方體空間;最后,將每個(gè)小立方體中包含的所有顏色統(tǒng)一映射為該立方體的中心顏色。雖然,顏色數(shù)的減少帶來了一定的圖像失真,但由于圖像中的顏色分布在一定的局部區(qū)域內(nèi)具有極高相似性,且人眼視覺很難感知到R、G、B通道上細(xì)微的值差異;因此,為合并圖像中的顏色,并只保留少數(shù)顏色以表征圖像整體分布帶來可能。

    如圖2所示為最小方差量化圖,圖2(b)是對(duì)圖2(a)采用最小方差量化得到的結(jié)果,圖2(c)顯示了量化前后的差異。其中,輸入圖像I包含了31 285種顏色??梢钥吹剑弘m然經(jīng)過量化后顏色數(shù)只剩下256種,但人眼很難看出量化前后的顯著差異,其差異圖也僅在顯著區(qū)域的輪廓處有較為明顯的區(qū)別。如表1所示為平均絕對(duì)誤差,將輸入圖像I和量化結(jié)果V歸一化到[0,255]的整數(shù)區(qū)間,并在R、G、B三個(gè)顏色通道上計(jì)算得到兩者的平均絕對(duì)誤差(Mean Absolute Error,MAE):

    其中:i∈{1,2,3}表示R、G、B三個(gè)顏色通道;W和H分別表示圖像的寬度和高度;符號(hào)丨·丨表示絕對(duì)值計(jì)算。可以看到,最小方差量化前后得到的圖像只具有較小的MAE。

    1.3基于相似性的顯著性融合

    在得到經(jīng)過量化的圖像后,采用SLIC方法[17]對(duì)量化圖像進(jìn)行超像素分割,超像素個(gè)數(shù)的上限設(shè)置為200??紤]到BMS方法對(duì)與圖像邊界連通的顯著區(qū)域檢測(cè)的失效,本文采用基于邊界連通性的RBD方法陷作為補(bǔ)充。在分別采用BMS和RBD方法計(jì)算得到顯著圖并歸一化到[0,1]的浮點(diǎn)數(shù)區(qū)間后,對(duì)每個(gè)超像素進(jìn)行逐像素的加權(quán)融合,第i個(gè)超像素內(nèi)坐標(biāo)(x,y)處像素的融合值為:

    其中,符號(hào)丨·丨表示絕對(duì)值計(jì)算。

    圖3示例了上述融合過程:從第一行可以看到,對(duì)于相似的顯著區(qū)域輸出,融合結(jié)果可以對(duì)前景區(qū)域進(jìn)一步增強(qiáng);而第二行中,由于BMS導(dǎo)致的顯著區(qū)域檢測(cè)失效,得到了一幅近乎全黑的顯著圖,但經(jīng)過補(bǔ)償修正后的融合結(jié)果仍然有效保留并增強(qiáng)了實(shí)際的顯著區(qū)域。

    處理操作采用gamma值為2的非線性映射,將[0,0.5]區(qū)間統(tǒng)一映射到[0,1]區(qū)間,使得前景部分更趨向于1,而背景部分保持不變,以得到高亮的前景區(qū)域。如圖4所示,為平滑與增強(qiáng)后處理圖。圖4(b)是對(duì)圖3(a)進(jìn)行兩步后處理操作后得到的顯著區(qū)域檢測(cè)結(jié)果,兩者的差異如圖4(c)所示??梢钥吹剑航?jīng)過平滑和增強(qiáng)后處理,顯著區(qū)域得到進(jìn)一步的增強(qiáng),同時(shí),背景部分依然保持較低的顯著值。最后,將后處理的結(jié)果縮放回原始圖像大小并歸一化,得到最終的顯著區(qū)域檢測(cè)結(jié)果。

    2實(shí)驗(yàn)結(jié)果和分析

    本節(jié)對(duì)文中提出方法與8個(gè)顯著性檢測(cè)方法在ASD[5,19]、ECSSD[7,20]和ImgSal[3,21]三個(gè)公開數(shù)據(jù)集上進(jìn)行算法性能比較。檢測(cè)方法為PCA[22]、GU[23]、GR[24]、GC[23]、COV[25]、BMS[4]、RPC[26]、TLLT[27],實(shí)驗(yàn)平臺(tái)為1.80 GHz CPU、8 GB內(nèi)存,算法采用MATLAB實(shí)現(xiàn)。

    2.1評(píng)估數(shù)據(jù)集

    ASD數(shù)據(jù)集也稱為MSRA1000或MSRA1K數(shù)據(jù)集,是最為經(jīng)典的顯著區(qū)域檢測(cè)評(píng)估數(shù)據(jù)集,共包含1 000張圖像,并依據(jù)顯著區(qū)域輪廓標(biāo)注有二值真值圖。其中,大部分圖像只包含一個(gè)顯著區(qū)域并位于圖像的中心。ECSSD數(shù)據(jù)集增加了包括圖像背景不平滑、顯著區(qū)域與背景顏色接近、顯著區(qū)域外輪廓模糊等更為復(fù)雜的圖像結(jié)構(gòu),但其中大部分的顯著區(qū)域依然聚集于圖像中心。ImgSal數(shù)據(jù)集在構(gòu)造時(shí)則更多地考慮了待檢測(cè)圖像本身的差異性,與ECSSD數(shù)據(jù)集相比,該數(shù)據(jù)集包括更多小尺寸的顯著區(qū)域以及更為雜亂的背景;同時(shí),顯著區(qū)域要更為遠(yuǎn)離圖像中心。

    2.2評(píng)估方法

    本文采用精確率-召回率(Precision-Recall,PR)和F度量(F-measure)來評(píng)估檢測(cè)方法性能。當(dāng)?shù)玫揭环斎雸D像的顯著圖S后,將其二值化為M,并通過比較M與人工標(biāo)注圖G,計(jì)算出精確率P和召回率R:

    其中,符號(hào)丨·丨表示計(jì)算前景像素的數(shù)量。但無論是精確率或召回率都無法單獨(dú)表征檢測(cè)方法的性能,因此,采用兩者的調(diào)和平均(即F度量)來評(píng)估性能,計(jì)算式為:

    其中,參數(shù)β2參照文獻(xiàn)[5]的建議設(shè)置為0.3。

    本文采用一組[0,255]間的固定閾值對(duì)顯著圖進(jìn)行序列化的二值分割,并對(duì)應(yīng)計(jì)算256組精確率、召回率和F度量值。除了繪制PR曲線和F曲線來直觀地展示各方法的檢測(cè)性能外,本文還計(jì)算了兩個(gè)統(tǒng)計(jì)指標(biāo)作為方法性能的定量評(píng)估。

    (1)MaxF指標(biāo)。序列化二值分割產(chǎn)生的256 組F度量的最大值,該指標(biāo)表明了方法的最優(yōu)檢測(cè)性能。

    (2)S-measure指標(biāo)[28],即結(jié)構(gòu)度量指標(biāo)。該指標(biāo)可以有效度量顯著圖與人工標(biāo)注圖之間面向區(qū)域和面向物體的結(jié)構(gòu)相似性。

    2.3評(píng)估結(jié)果和分析

    如圖5所示,是在三個(gè)數(shù)據(jù)集上的PR曲線比較。其中,黑色曲線代表本文所提出方法。可以看到:本文方法在大部分的召回率區(qū)間都具有較高的精確率,PR曲線有效覆蓋了參與比較的其它方法。

    如圖6所示,是在三個(gè)數(shù)據(jù)集上的F曲線比較。其中,黑色曲線代表本文所提出方法。在F曲線圖中,主要觀測(cè)曲線的峰值即MaxF值,該值所在的x軸坐標(biāo)即為最優(yōu)分割閾值,而在最優(yōu)分割閾值下得到的F度量值,表明了方法的最優(yōu)檢測(cè)性能。可以看到,在三個(gè)數(shù)據(jù)集上本文方法都具有最大MaxF峰值

    表2和表3分別是在三個(gè)數(shù)據(jù)集上的MaxF和S-measure指標(biāo)的統(tǒng)計(jì)比較。與參與比較的8個(gè)顯著性檢測(cè)方法相比,本文方法在三個(gè)數(shù)據(jù)集上都具有最高的指標(biāo)值。從表2、表3的統(tǒng)計(jì)結(jié)果中可以看到:平均而言,三個(gè)數(shù)據(jù)集中,各檢測(cè)方法在ImgSal數(shù)據(jù)集上均得到了較低的指標(biāo)值,表明ImgSal相對(duì)于前兩個(gè)數(shù)據(jù)集具有更大的檢測(cè)難度;而在ASD數(shù)據(jù)集上,各檢測(cè)方法普遍獲得了最高的指標(biāo)值,表明該數(shù)據(jù)集的檢測(cè)難度較低。

    如圖7所示,為本文提出算法與8種檢測(cè)方法得到的顯著圖的視覺比較。圖7(a)是原始的輸入圖像,其中的上面三行、中間三行、下面三行圖像,分別來自于ASD、ECSSD、ImgSal三個(gè)數(shù)據(jù)集;圖7(b)是人工標(biāo)注的真值圖;圖7(c)是本文算法的檢測(cè)結(jié)果??梢钥吹剑合噍^于其它8種方法,本文算法檢測(cè)得到的顯著圖具有高亮且均勻的前景區(qū)域,同時(shí),非顯著區(qū)域的圖像背景得到了有效抑制。

    3結(jié)語

    本文針對(duì)靜態(tài)圖像的顯著區(qū)域檢測(cè)問題,提出了一種基于顯著相似性融合的檢測(cè)方法:首先,采用最小方差量化降低顏色數(shù),使得超像素分割得到的區(qū)域更為緊致;然后,針對(duì)基于環(huán)繞性線索對(duì)貼邊顯著區(qū)域的檢測(cè)失效,引入基于邊界連通性的方法進(jìn)行加權(quán)融合,并在每個(gè)超像素上對(duì)融合結(jié)果進(jìn)行修正,以增強(qiáng)前景區(qū)域;最后,通過顯著性平滑和增強(qiáng)的后處理操作,得到高亮且均勻的顯著區(qū)域并抑制了圖像背景。在ASD、ECSSD、ImgSal三個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:所提出的方法在MaxF和S-measure兩項(xiàng)指標(biāo)上均優(yōu)于流行的8種顯著區(qū)域檢測(cè)方法;同時(shí),本文所提出的加權(quán)融合機(jī)制簡(jiǎn)單有效,也適用于對(duì)現(xiàn)有顯著性方法的融合。下一步,將在更多數(shù)據(jù)集和現(xiàn)有檢測(cè)方法上驗(yàn)證這一融合機(jī)制,并針對(duì)具有復(fù)雜背景以及背景與顯著區(qū)域具有高度顏色相似等圖像,進(jìn)一步改進(jìn)并提升該融合方法的正確性和有效性。

    參考文獻(xiàn):

    [1]張晴,李云.基于馬爾科夫鏈和物體先驗(yàn)的顯著物體檢測(cè)[J].計(jì)算機(jī)工程與設(shè)計(jì),2019,40(4):1038-1045.

    [2]李楚為,張志龍,楊衛(wèi)平.結(jié)合布爾圖和灰度稀缺性的小目標(biāo)顯著性檢測(cè)[J].中國圖象圖形學(xué)報(bào),2020,25(2):267-281.

    [3]LI J,LEVINE M D,AN X J,et al. Visual saliency based on scale-space analysis in the frequency domain[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(4):996-1010.

    [4] ZHANG J,SCLAROFF S. Saliency detection:a boolean map approach[C]. Proceedings of the IEEE International Conference on Computer Vision,2013:153-160.

    [5] ACHANTA R,HEMAMI S,EATRADA F. Frequency- tuned salient region detection[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2009:1597-1604.

    [6]王豪聰,趙曉葉,彭力.基于前景增強(qiáng)與背景抑制的顯著性物體檢測(cè)[J].計(jì)算機(jī)工程與科學(xué),2018,40(6):1119- 1124.

    [7]YAN Q,XU L,SHI J,et al. Hierarchical saliency detection [C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2013:1155-1162.

    [8] QIN C C,ZHANG G P,ZHOU Y C,et al. Integration of the saliency-based seed extraction and random walks for image segmentation[J]. Neurocomputing,2014,129:378-391,.

    [9] LOU J,ZHU W,WANG H,et al. Small target detection combining regional stability and saliency in a color image [J]. Multimedia Tools and Applications,2017,76(13):14781-14798.

    [10] BORJI A,F(xiàn)RINTROPS,SIHITE D N,et al. Adaptive object tracking by learning background context[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2012:23-30.

    [11] GUO C L,ZHANG L M. A novel multiresolution spatiotemporal saliency detection model and its applications in image and video compression[J]. IEEE Transactions on Image Processing,2010,19(1):185-198.

    [12] LEE Y J,GHOSH J,GRAUMAN K. Discovering important people and objects for egocentric video summarization[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2012:1346-1353.

    [13] ZHAI Y,SHAH M. Visual attention detection in video sequences using spatiotemporal cues[C].Proceedings of the ACM International Conference on Multimedia,2006:815- 824.

    [14] SCHARFENBERGER C,WONG A,CLAUSI D A. Structure- guided statistical textural distinctiveness for salient region detection in natural images[J]. IEEE Transactions on Image Processing,2015,24(1):457-470.

    [15]張繩富,董蓉,李勃.基于顏色先驗(yàn)的顯著性物體檢測(cè)[J].現(xiàn)代制造工程,2019(4):122-128.

    [16] HECKBERT P. Color image quantization for frame buffer display[J]. Comput Graph,1982,16(3):297-307.

    [17] ACHANTA R,SHAJI A,SMITH K,et al. SLIC superpixels compared to state- of- the- art superpixel methods[J]. IEEE Transactions on Pattern Analysis and Machine Intel- ligence,2012,34(11):2274-2282.

    [18] ZHU W,LIANG S,WEI Y,et al. Saliency optimization from robust background detection[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recog- nition,2014:2814-2821.

    [19] LIU T,SUN J,ZHENG N N,et al. Learning to detect a salient object[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2007:1-8.

    [20] SHI J P,YAN Q,XU L,et al. Hierarchical image saliency detection on extended CSSD[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2016,38(4):717-729.

    [21] LI J,LEVINE M D,AN X,et al. Saliency detection based on frequency and spatial domain analysis[C]. Proceedings of the British Machine Vision Conference ,2011:1-11.

    [22] MARGOLIN R,TAL A,ZELNIK M. What makes a patch distinct?[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2013:1139-1146.

    [23] CHENG M M,WARRELL J,LIN W Y,et al. Efficient salient region detection with soft image abstraction [C]. Proceedings of the IEEE International Conference on Computer Vision,2013:1529-1536.

    [24] YANG C,ZHANG L,LU H. Graph- regularized saliency detection with convex- hull- based center prior[J].IEEE Signal Processing Letters,2013,20(7):637-640.

    [25] ERDEM E,ERDEM A. Visual saliency estimation by non- linearly integrating features using region covariances [J] Journal of Vision ,2013,13(4):1-20.

    [26] LOU J,REN M W,WANG H. Regional principal color based saliency detection[J]. PlosOne,2014,9(11):1-13.

    [27] GONG C,TAO D,LIU W,et al. Saliency propagation from simple to difficult[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2015:2531- 2539.

    [28] FAN D P,CHENG M M,LIU Y,et al. Structure-measure:a new way to evaluate foreground maps[C]. Proceedings of the IEEE International Conference on Computer Vision,2017:4548-4557.

    Research on Significant Region Detection Based on Similarity Fusion

    JIANG Yifeng1,HU Linna2,LIU Ranran3

    (1. Information Center,Jiangsu University of Technology,Changzhou 213001,China;2. Zijin College,Nanjing University of Science & Technology,Nanjing 210046,China;3. School of Automotive and Transportation Engineering,Jiangsu University of Technology,Changzhou 213001,China)

    Abstract:In this paper,a simple and effective salient region detection method based on the similarity fusion is presented. Firstly,the color number is reduced by minimum variance quantization. After the quantized image is segmented into superpixels,the weighted fusion saliency value of superpixels is calculated by fusing the surrounding and boundary connectivity clues,and the weighted coefficients are obtained based on the significant similarity of the fusion method. In addition,a fusion correction is introduced to enhance the foreground area. Finally,high- bright and uniform detection results of salient regions are obtained by smoothing and enhancing the image background. In order to verify the effectiveness of the proposed method,eight existing methods are compared on ASD,ECSSD and ImgSal public datasets. The experimental results show that the proposed fusion mechanism can effectively improve MaxF and S-measure performance indicators,and obtain more ideal detection results.

    Key words:saliency;salient region detection;similarity;fusion

    猜你喜歡
    相似性顯著性融合
    一類上三角算子矩陣的相似性與酉相似性
    村企黨建聯(lián)建融合共贏
    融合菜
    從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
    淺析當(dāng)代中西方繪畫的相似性
    《融合》
    基于顯著性權(quán)重融合的圖像拼接算法
    電子制作(2019年24期)2019-02-23 13:22:26
    基于視覺顯著性的視頻差錯(cuò)掩蓋算法
    一種基于顯著性邊緣的運(yùn)動(dòng)模糊圖像復(fù)原方法
    論商標(biāo)固有顯著性的認(rèn)定
    老汉色av国产亚洲站长工具| 国产在线免费精品| 黄片小视频在线播放| 在线亚洲精品国产二区图片欧美| 久久精品国产亚洲av天美| 高清在线视频一区二区三区| 熟妇人妻不卡中文字幕| 欧美精品高潮呻吟av久久| 中文字幕制服av| 免费观看性生交大片5| 久久久久久久亚洲中文字幕| 99久国产av精品国产电影| 免费久久久久久久精品成人欧美视频| 啦啦啦啦在线视频资源| 国产精品久久久久久精品电影小说| 我要看黄色一级片免费的| 在线观看美女被高潮喷水网站| av电影中文网址| 热re99久久精品国产66热6| 久久久久久久亚洲中文字幕| 国产av码专区亚洲av| 日韩一本色道免费dvd| 少妇人妻久久综合中文| 热re99久久国产66热| 国产精品免费视频内射| 中文字幕制服av| 乱人伦中国视频| 日本欧美视频一区| 国产成人精品福利久久| 哪个播放器可以免费观看大片| 91国产中文字幕| 日日撸夜夜添| 亚洲国产精品一区三区| 精品久久久精品久久久| 夜夜骑夜夜射夜夜干| 国产麻豆69| 午夜福利在线免费观看网站| 亚洲精品国产av蜜桃| 国产深夜福利视频在线观看| 久久精品国产鲁丝片午夜精品| 国产深夜福利视频在线观看| 久久久久久人妻| 欧美国产精品va在线观看不卡| 国产免费视频播放在线视频| 免费观看性生交大片5| 亚洲欧美一区二区三区久久| 免费观看无遮挡的男女| 男男h啪啪无遮挡| 日韩成人av中文字幕在线观看| 人人澡人人妻人| 国产日韩一区二区三区精品不卡| 国产精品欧美亚洲77777| 免费不卡的大黄色大毛片视频在线观看| 一区二区av电影网| 久久久久精品久久久久真实原创| 成人手机av| 美女主播在线视频| 久久久久视频综合| 黄片播放在线免费| 黄色毛片三级朝国网站| av电影中文网址| 一级a爱视频在线免费观看| 丰满饥渴人妻一区二区三| 国产精品久久久久久久久免| 国产亚洲av片在线观看秒播厂| 80岁老熟妇乱子伦牲交| 免费少妇av软件| 精品一区二区三卡| 国产色婷婷99| 亚洲视频免费观看视频| 国产成人午夜福利电影在线观看| 久久亚洲国产成人精品v| 深夜精品福利| 国产探花极品一区二区| 日韩,欧美,国产一区二区三区| 91精品三级在线观看| 亚洲第一青青草原| 成人午夜精彩视频在线观看| 少妇被粗大的猛进出69影院| 国产又色又爽无遮挡免| 欧美黄色片欧美黄色片| 女人久久www免费人成看片| 国产在线视频一区二区| 亚洲精品aⅴ在线观看| 日韩一卡2卡3卡4卡2021年| 欧美中文综合在线视频| 国精品久久久久久国模美| 亚洲国产最新在线播放| 日韩 亚洲 欧美在线| 欧美 日韩 精品 国产| 一级爰片在线观看| 少妇人妻精品综合一区二区| 亚洲精品成人av观看孕妇| 久久久久久人妻| 丁香六月天网| 久久久精品免费免费高清| 国产探花极品一区二区| 最近中文字幕2019免费版| 日韩人妻精品一区2区三区| 欧美日韩成人在线一区二区| 久久久精品国产亚洲av高清涩受| 精品一区二区三区四区五区乱码 | 亚洲色图 男人天堂 中文字幕| 波多野结衣一区麻豆| 一本—道久久a久久精品蜜桃钙片| 亚洲欧洲日产国产| 免费观看无遮挡的男女| 亚洲婷婷狠狠爱综合网| 男人爽女人下面视频在线观看| 香蕉精品网在线| 一个人免费看片子| 成年动漫av网址| 亚洲成色77777| 成人毛片60女人毛片免费| 男女啪啪激烈高潮av片| 精品国产乱码久久久久久小说| 亚洲一级一片aⅴ在线观看| 制服人妻中文乱码| 国产精品久久久久久av不卡| 丝袜脚勾引网站| 久久精品国产亚洲av天美| 欧美激情 高清一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 成人手机av| 少妇的丰满在线观看| 日本av手机在线免费观看| 日本欧美国产在线视频| 中文字幕亚洲精品专区| 欧美在线黄色| 精品人妻熟女毛片av久久网站| 日本免费在线观看一区| 亚洲精品日韩在线中文字幕| 国产极品粉嫩免费观看在线| 2018国产大陆天天弄谢| 成人漫画全彩无遮挡| 不卡av一区二区三区| 九九爱精品视频在线观看| 新久久久久国产一级毛片| 亚洲婷婷狠狠爱综合网| av不卡在线播放| 久久久a久久爽久久v久久| 午夜免费男女啪啪视频观看| 亚洲中文av在线| 中文字幕人妻熟女乱码| 久久久久人妻精品一区果冻| 大片免费播放器 马上看| 黑人巨大精品欧美一区二区蜜桃| 极品少妇高潮喷水抽搐| 国产免费现黄频在线看| 国产免费福利视频在线观看| 亚洲综合色网址| 一区二区三区乱码不卡18| 中文字幕制服av| 亚洲精华国产精华液的使用体验| 五月开心婷婷网| 中文字幕人妻熟女乱码| 亚洲欧洲精品一区二区精品久久久 | 精品国产一区二区三区四区第35| 精品一品国产午夜福利视频| 成人亚洲精品一区在线观看| freevideosex欧美| 国产97色在线日韩免费| 啦啦啦中文免费视频观看日本| 美女国产高潮福利片在线看| 国产爽快片一区二区三区| 考比视频在线观看| 精品国产乱码久久久久久男人| 婷婷色综合大香蕉| 久久ye,这里只有精品| 亚洲婷婷狠狠爱综合网| 少妇熟女欧美另类| h视频一区二区三区| 国产av精品麻豆| 99热国产这里只有精品6| 精品第一国产精品| 亚洲五月色婷婷综合| 亚洲国产毛片av蜜桃av| 黄色配什么色好看| 中文欧美无线码| 亚洲精品国产一区二区精华液| 一本大道久久a久久精品| 久久久久久人妻| av有码第一页| 亚洲欧洲国产日韩| av在线播放精品| 黄网站色视频无遮挡免费观看| 亚洲视频免费观看视频| av网站免费在线观看视频| 日韩三级伦理在线观看| 99九九在线精品视频| 久久久久久人妻| www.av在线官网国产| 亚洲熟女精品中文字幕| 亚洲精品国产色婷婷电影| av电影中文网址| 女人高潮潮喷娇喘18禁视频| 伦理电影大哥的女人| 婷婷色综合大香蕉| 国产成人av激情在线播放| 97人妻天天添夜夜摸| 国产日韩欧美在线精品| 久久99蜜桃精品久久| 精品久久蜜臀av无| av国产久精品久网站免费入址| 三上悠亚av全集在线观看| 亚洲,欧美精品.| 91午夜精品亚洲一区二区三区| 国产亚洲午夜精品一区二区久久| 五月天丁香电影| 亚洲国产毛片av蜜桃av| 黄频高清免费视频| av片东京热男人的天堂| 少妇猛男粗大的猛烈进出视频| 婷婷色av中文字幕| a级片在线免费高清观看视频| 国产成人精品久久二区二区91 | 成年美女黄网站色视频大全免费| 亚洲一级一片aⅴ在线观看| 9191精品国产免费久久| 亚洲精品一区蜜桃| 国产一区二区三区综合在线观看| 香蕉国产在线看| 日本爱情动作片www.在线观看| 亚洲欧美日韩另类电影网站| 18+在线观看网站| 婷婷色麻豆天堂久久| 日本猛色少妇xxxxx猛交久久| 亚洲国产色片| 精品国产一区二区三区四区第35| 国产成人精品久久久久久| freevideosex欧美| 熟女少妇亚洲综合色aaa.| 天天躁日日躁夜夜躁夜夜| 国产日韩欧美亚洲二区| 看免费成人av毛片| 精品国产乱码久久久久久小说| 久久国产亚洲av麻豆专区| 亚洲国产欧美日韩在线播放| 伦精品一区二区三区| 中文欧美无线码| 啦啦啦中文免费视频观看日本| 丝袜在线中文字幕| 五月开心婷婷网| 亚洲国产av影院在线观看| av电影中文网址| 少妇精品久久久久久久| 国产有黄有色有爽视频| 一本色道久久久久久精品综合| 高清欧美精品videossex| 国产野战对白在线观看| 99国产综合亚洲精品| 色吧在线观看| 99久久精品国产国产毛片| 天天躁狠狠躁夜夜躁狠狠躁| 欧美xxⅹ黑人| av网站在线播放免费| 9热在线视频观看99| 国产免费又黄又爽又色| 成年美女黄网站色视频大全免费| 色吧在线观看| 国产精品熟女久久久久浪| 少妇被粗大的猛进出69影院| 成年美女黄网站色视频大全免费| www.精华液| 黄网站色视频无遮挡免费观看| 日韩,欧美,国产一区二区三区| 亚洲av成人精品一二三区| 91精品伊人久久大香线蕉| 日本欧美视频一区| 精品人妻偷拍中文字幕| av一本久久久久| 欧美日韩av久久| 赤兔流量卡办理| 欧美亚洲 丝袜 人妻 在线| 黄片播放在线免费| 下体分泌物呈黄色| 成人午夜精彩视频在线观看| 亚洲精品自拍成人| 天堂8中文在线网| 国产精品蜜桃在线观看| 九草在线视频观看| 亚洲av成人精品一二三区| 婷婷色综合www| 国产精品久久久av美女十八| 欧美日韩综合久久久久久| 亚洲综合色惰| 在现免费观看毛片| h视频一区二区三区| 婷婷色麻豆天堂久久| 在线观看美女被高潮喷水网站| 欧美成人精品欧美一级黄| 黄色配什么色好看| 桃花免费在线播放| 不卡av一区二区三区| 久久久欧美国产精品| 亚洲av中文av极速乱| 我的亚洲天堂| 国产一级毛片在线| 成年人免费黄色播放视频| 最黄视频免费看| 婷婷色综合www| 人妻 亚洲 视频| 母亲3免费完整高清在线观看 | 久久午夜福利片| 国产精品久久久av美女十八| av网站免费在线观看视频| 亚洲av电影在线观看一区二区三区| 成人二区视频| 亚洲经典国产精华液单| 女人精品久久久久毛片| 欧美人与性动交α欧美软件| 水蜜桃什么品种好| kizo精华| 26uuu在线亚洲综合色| 一区二区三区乱码不卡18| 少妇被粗大的猛进出69影院| 欧美人与性动交α欧美精品济南到 | 亚洲欧洲国产日韩| 一本大道久久a久久精品| 久久精品aⅴ一区二区三区四区 | 综合色丁香网| 午夜精品国产一区二区电影| 色网站视频免费| 亚洲国产欧美在线一区| 一级毛片电影观看| 丰满饥渴人妻一区二区三| av有码第一页| 亚洲av男天堂| 亚洲一区中文字幕在线| 国产伦理片在线播放av一区| 日韩中字成人| 日韩免费高清中文字幕av| 美女中出高潮动态图| 亚洲精品久久久久久婷婷小说| xxxhd国产人妻xxx| av在线老鸭窝| 亚洲av国产av综合av卡| 91在线精品国自产拍蜜月| av在线app专区| 午夜福利网站1000一区二区三区| 丰满迷人的少妇在线观看| 国产精品久久久久久久久免| 肉色欧美久久久久久久蜜桃| 2018国产大陆天天弄谢| 久久精品久久久久久久性| 久久久久精品人妻al黑| 国产97色在线日韩免费| 麻豆乱淫一区二区| 波野结衣二区三区在线| 精品午夜福利在线看| 亚洲精品第二区| 国产在线视频一区二区| 久久这里只有精品19| 我要看黄色一级片免费的| 午夜免费男女啪啪视频观看| 国产欧美日韩综合在线一区二区| 成年人午夜在线观看视频| 亚洲成av片中文字幕在线观看 | 国产综合精华液| 亚洲伊人色综图| 男女啪啪激烈高潮av片| 久久韩国三级中文字幕| 日韩一区二区视频免费看| 亚洲色图 男人天堂 中文字幕| 高清欧美精品videossex| 亚洲男人天堂网一区| 99热网站在线观看| 97精品久久久久久久久久精品| 久久精品人人爽人人爽视色| 男女国产视频网站| 国产爽快片一区二区三区| av网站免费在线观看视频| 一区二区三区四区激情视频| 国产野战对白在线观看| 日韩人妻精品一区2区三区| 高清不卡的av网站| 成年女人在线观看亚洲视频| 久久精品国产自在天天线| 成年人午夜在线观看视频| 亚洲国产日韩一区二区| 中文字幕色久视频| 蜜桃国产av成人99| 制服丝袜香蕉在线| av在线播放精品| 国产精品香港三级国产av潘金莲 | 亚洲国产精品国产精品| 麻豆av在线久日| 大片免费播放器 马上看| 午夜免费观看性视频| 少妇被粗大猛烈的视频| 国产精品久久久久成人av| 日韩电影二区| 最新中文字幕久久久久| 亚洲精品第二区| 国产男女超爽视频在线观看| 男女边吃奶边做爰视频| 久久精品国产a三级三级三级| 天天躁夜夜躁狠狠久久av| 好男人视频免费观看在线| 亚洲精华国产精华液的使用体验| 亚洲美女视频黄频| 狂野欧美激情性bbbbbb| 精品酒店卫生间| 男女高潮啪啪啪动态图| 亚洲精品一区蜜桃| 最新的欧美精品一区二区| 在现免费观看毛片| 亚洲精品美女久久av网站| 日日撸夜夜添| 国产精品一二三区在线看| 欧美激情高清一区二区三区 | av国产精品久久久久影院| 亚洲国产看品久久| 最黄视频免费看| 97精品久久久久久久久久精品| 色网站视频免费| 我的亚洲天堂| 精品视频人人做人人爽| 久久这里只有精品19| 少妇熟女欧美另类| 香蕉丝袜av| 一区二区三区四区激情视频| 一区福利在线观看| 日本wwww免费看| 黄色视频在线播放观看不卡| 国产一区二区激情短视频 | 夜夜骑夜夜射夜夜干| 日韩,欧美,国产一区二区三区| 有码 亚洲区| 男女午夜视频在线观看| 日本av免费视频播放| 成年人午夜在线观看视频| 久久久国产精品麻豆| 成人18禁高潮啪啪吃奶动态图| 精品亚洲成a人片在线观看| 国产黄频视频在线观看| 婷婷色综合www| 黄色配什么色好看| 中国国产av一级| 欧美精品高潮呻吟av久久| 日韩伦理黄色片| 国产精品免费视频内射| 夫妻性生交免费视频一级片| 人人澡人人妻人| 日韩视频在线欧美| 99热国产这里只有精品6| 国产精品久久久久久精品电影小说| 女性生殖器流出的白浆| 免费播放大片免费观看视频在线观看| 国产片内射在线| 涩涩av久久男人的天堂| 亚洲熟女精品中文字幕| a 毛片基地| 人体艺术视频欧美日本| 天堂8中文在线网| 国产男女内射视频| 免费黄网站久久成人精品| 亚洲精品视频女| 日本欧美国产在线视频| 人人妻人人澡人人爽人人夜夜| 国产综合精华液| 精品一区二区三卡| 国产成人91sexporn| 女人被躁到高潮嗷嗷叫费观| 精品亚洲成a人片在线观看| 两性夫妻黄色片| 少妇人妻精品综合一区二区| 国产精品一区二区在线观看99| 成人漫画全彩无遮挡| 久久婷婷青草| 七月丁香在线播放| 男人舔女人的私密视频| 免费观看a级毛片全部| 韩国高清视频一区二区三区| 日韩人妻精品一区2区三区| 丝袜脚勾引网站| 制服丝袜香蕉在线| 人妻人人澡人人爽人人| 精品酒店卫生间| 美女xxoo啪啪120秒动态图| 久久国产精品男人的天堂亚洲| 色婷婷av一区二区三区视频| 亚洲精品中文字幕在线视频| 国产精品国产三级专区第一集| 免费黄色在线免费观看| 人成视频在线观看免费观看| 王馨瑶露胸无遮挡在线观看| 久久久久久久久久久免费av| 久久精品久久精品一区二区三区| 亚洲精华国产精华液的使用体验| 多毛熟女@视频| 男人舔女人的私密视频| 国产熟女午夜一区二区三区| 秋霞在线观看毛片| 日韩一本色道免费dvd| 亚洲欧美中文字幕日韩二区| 大话2 男鬼变身卡| 国产精品久久久久成人av| 国产有黄有色有爽视频| 99久久综合免费| 精品酒店卫生间| 免费观看无遮挡的男女| 高清视频免费观看一区二区| 制服人妻中文乱码| 少妇被粗大的猛进出69影院| 啦啦啦在线观看免费高清www| 91成人精品电影| 美女国产视频在线观看| 国产精品嫩草影院av在线观看| 如日韩欧美国产精品一区二区三区| 国产老妇伦熟女老妇高清| 狠狠婷婷综合久久久久久88av| 精品久久久精品久久久| 成人亚洲精品一区在线观看| 免费观看无遮挡的男女| www.av在线官网国产| 免费观看性生交大片5| 久久精品国产亚洲av涩爱| 国产综合精华液| 深夜精品福利| 国产日韩一区二区三区精品不卡| 秋霞伦理黄片| 亚洲欧洲精品一区二区精品久久久 | 久久精品aⅴ一区二区三区四区 | 中文字幕精品免费在线观看视频| 99精国产麻豆久久婷婷| videossex国产| 国产高清不卡午夜福利| 在线观看免费高清a一片| 女性生殖器流出的白浆| 国产成人免费无遮挡视频| 黄色一级大片看看| 卡戴珊不雅视频在线播放| 精品酒店卫生间| 午夜福利视频精品| 色网站视频免费| 美国免费a级毛片| 叶爱在线成人免费视频播放| 美国免费a级毛片| 精品国产露脸久久av麻豆| 人妻人人澡人人爽人人| 大陆偷拍与自拍| 欧美人与性动交α欧美软件| 制服丝袜香蕉在线| 欧美日韩精品网址| 国产黄色免费在线视频| 最近的中文字幕免费完整| 视频在线观看一区二区三区| 欧美成人午夜精品| 只有这里有精品99| 久久人人爽人人片av| 一级,二级,三级黄色视频| a 毛片基地| 91午夜精品亚洲一区二区三区| 亚洲欧美一区二区三区国产| 精品福利永久在线观看| 久久久久精品性色| 国产成人精品久久二区二区91 | 免费不卡的大黄色大毛片视频在线观看| 亚洲av在线观看美女高潮| 国产麻豆69| 97在线人人人人妻| av片东京热男人的天堂| 91成人精品电影| 18禁裸乳无遮挡动漫免费视频| 老女人水多毛片| 日韩中文字幕视频在线看片| 欧美在线黄色| 国产亚洲午夜精品一区二区久久| 国产色婷婷99| 啦啦啦在线观看免费高清www| 99久久人妻综合| 亚洲综合色惰| 老女人水多毛片| av又黄又爽大尺度在线免费看| 在线观看人妻少妇| 精品一区二区免费观看| 97在线人人人人妻| 成人国语在线视频| 精品国产一区二区三区四区第35| 少妇的丰满在线观看| 美女中出高潮动态图| 有码 亚洲区| 考比视频在线观看| 美女xxoo啪啪120秒动态图| 欧美激情 高清一区二区三区| 国产精品女同一区二区软件| 日韩,欧美,国产一区二区三区| 啦啦啦在线免费观看视频4| 九草在线视频观看| 色播在线永久视频| 久久精品国产亚洲av高清一级| 亚洲一区中文字幕在线| 国产精品 国内视频| 国产精品免费视频内射| freevideosex欧美| 丰满饥渴人妻一区二区三| 婷婷色综合大香蕉| 亚洲美女搞黄在线观看| 七月丁香在线播放| 成年女人在线观看亚洲视频| 欧美国产精品一级二级三级| 热99久久久久精品小说推荐| 午夜免费鲁丝| av有码第一页| 亚洲综合精品二区| 大话2 男鬼变身卡| 人妻少妇偷人精品九色| 免费人妻精品一区二区三区视频| 久热久热在线精品观看| 少妇人妻 视频| 天天影视国产精品| 国产亚洲最大av| 国产精品不卡视频一区二区| 久久热在线av|