• <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
    国语自产精品视频在线第100页| 亚洲av电影在线进入| 波多野结衣av一区二区av| 久久狼人影院| 在线观看免费视频网站a站| 国产免费av片在线观看野外av| 国产精品免费一区二区三区在线| 一a级毛片在线观看| 亚洲少妇的诱惑av| 日韩精品青青久久久久久| 国产熟女xx| 一本综合久久免费| 国产免费男女视频| 在线观看舔阴道视频| 好看av亚洲va欧美ⅴa在| 一本大道久久a久久精品| 免费无遮挡裸体视频| 国产成+人综合+亚洲专区| 亚洲 欧美一区二区三区| 午夜福利成人在线免费观看| 99在线视频只有这里精品首页| 亚洲国产精品成人综合色| 制服丝袜大香蕉在线| 亚洲精品中文字幕一二三四区| 国产成人影院久久av| 精品国产一区二区久久| 美女扒开内裤让男人捅视频| 久久午夜综合久久蜜桃| 日韩大尺度精品在线看网址 | 九色亚洲精品在线播放| 伊人久久大香线蕉亚洲五| 亚洲精品一区av在线观看| 国产真人三级小视频在线观看| 国产亚洲精品第一综合不卡| 99久久久亚洲精品蜜臀av| 无遮挡黄片免费观看| 久久精品国产清高在天天线| 成在线人永久免费视频| av在线天堂中文字幕| 91av网站免费观看| 国产亚洲av嫩草精品影院| av视频在线观看入口| 久久性视频一级片| 中亚洲国语对白在线视频| 成人国产一区最新在线观看| 少妇熟女aⅴ在线视频| 91老司机精品| 九色国产91popny在线| 女人爽到高潮嗷嗷叫在线视频| 一本综合久久免费| 欧美激情久久久久久爽电影 | 久久精品影院6| 丝袜美腿诱惑在线| 亚洲人成电影观看| 久久久国产成人免费| 免费女性裸体啪啪无遮挡网站| 国产精品久久视频播放| 久久久精品欧美日韩精品| 亚洲精品美女久久久久99蜜臀| 精品人妻在线不人妻| 亚洲自拍偷在线| 日韩中文字幕欧美一区二区| 亚洲成人免费电影在线观看| 一边摸一边抽搐一进一出视频| 99久久99久久久精品蜜桃| 国产精品野战在线观看| 欧美久久黑人一区二区| 精品日产1卡2卡| 欧美一级毛片孕妇| 女人被狂操c到高潮| 色尼玛亚洲综合影院| 咕卡用的链子| 精品国产亚洲在线| 亚洲国产精品999在线| 国产三级黄色录像| www.www免费av| www国产在线视频色| 怎么达到女性高潮| 国产激情欧美一区二区| 亚洲自偷自拍图片 自拍| 久久久久国产精品人妻aⅴ院| 中文字幕高清在线视频| 久热爱精品视频在线9| 欧美亚洲日本最大视频资源| 国产野战对白在线观看| 国产主播在线观看一区二区| 亚洲av日韩精品久久久久久密| 两个人视频免费观看高清| av福利片在线| xxx96com| 99国产精品99久久久久| 日韩精品中文字幕看吧| 精品一区二区三区视频在线观看免费| 99久久久亚洲精品蜜臀av| 国产av在哪里看| 日韩成人在线观看一区二区三区| 国产欧美日韩一区二区三| 啦啦啦 在线观看视频| 90打野战视频偷拍视频| 日韩欧美免费精品| 在线观看免费日韩欧美大片| 久99久视频精品免费| 欧洲精品卡2卡3卡4卡5卡区| 亚洲男人的天堂狠狠| 久久国产亚洲av麻豆专区| 日本黄色视频三级网站网址| 成人三级黄色视频| 宅男免费午夜| 天天添夜夜摸| 18禁美女被吸乳视频| 十八禁人妻一区二区| 欧美色欧美亚洲另类二区 | 亚洲欧美精品综合一区二区三区| 国产精品亚洲一级av第二区| 久久国产精品男人的天堂亚洲| 日韩欧美一区二区三区在线观看| 制服丝袜大香蕉在线| 国产精品美女特级片免费视频播放器 | 在线观看www视频免费| 一级a爱视频在线免费观看| 亚洲 国产 在线| 99精品欧美一区二区三区四区| 国产精品日韩av在线免费观看 | 99精品久久久久人妻精品| 一级,二级,三级黄色视频| 性少妇av在线| 国产成人av激情在线播放| 欧美不卡视频在线免费观看 | 香蕉国产在线看| 久久久久久亚洲精品国产蜜桃av| 高清在线国产一区| 国产成人免费无遮挡视频| 美国免费a级毛片| 亚洲人成网站在线播放欧美日韩| 神马国产精品三级电影在线观看 | 欧美中文综合在线视频| 黄色a级毛片大全视频| 国产伦一二天堂av在线观看| 久久婷婷成人综合色麻豆| 亚洲激情在线av| 在线免费观看的www视频| 少妇裸体淫交视频免费看高清 | 9热在线视频观看99| 日韩成人在线观看一区二区三区| 欧美黑人欧美精品刺激| 这个男人来自地球电影免费观看| 午夜久久久在线观看| 国产精品亚洲美女久久久| 亚洲国产欧美日韩在线播放| 日本 av在线| 成人免费观看视频高清| 免费人成视频x8x8入口观看| x7x7x7水蜜桃| 免费观看精品视频网站| 一级a爱视频在线免费观看| 中文字幕人成人乱码亚洲影| 成人亚洲精品一区在线观看| 亚洲精品国产精品久久久不卡| 久久香蕉激情| 国产99久久九九免费精品| 动漫黄色视频在线观看| 国产精品二区激情视频| cao死你这个sao货| 热99re8久久精品国产| 亚洲欧洲精品一区二区精品久久久| 黄色丝袜av网址大全| 99国产精品99久久久久| 欧美精品亚洲一区二区| 久热爱精品视频在线9| 天天躁夜夜躁狠狠躁躁| 亚洲自拍偷在线| 欧美午夜高清在线| 满18在线观看网站| 两性夫妻黄色片| 中文字幕色久视频| 久久久久精品国产欧美久久久| 精品久久久精品久久久| 女性被躁到高潮视频| 精品国产亚洲在线| 在线视频色国产色| 老汉色av国产亚洲站长工具| 一区二区三区精品91| 成人18禁高潮啪啪吃奶动态图| 亚洲欧美日韩另类电影网站| 欧美黑人精品巨大| 午夜福利在线观看吧| 日本撒尿小便嘘嘘汇集6| 亚洲avbb在线观看| 午夜久久久久精精品| 久久精品亚洲熟妇少妇任你| 欧美一区二区精品小视频在线| 日韩欧美一区视频在线观看| www.999成人在线观看| 国产精品久久久久久人妻精品电影| 夜夜夜夜夜久久久久| 精品久久久久久久久久免费视频| 脱女人内裤的视频| 国产乱人伦免费视频| 日韩免费av在线播放| 宅男免费午夜| 人成视频在线观看免费观看| e午夜精品久久久久久久| 成人欧美大片| 亚洲中文字幕一区二区三区有码在线看 | 九色亚洲精品在线播放| 久久久国产欧美日韩av| 国产精品精品国产色婷婷| 精品一区二区三区四区五区乱码| 国产aⅴ精品一区二区三区波| 岛国在线观看网站| 久久久国产欧美日韩av| 国产午夜精品久久久久久| a在线观看视频网站| 国产高清videossex| 一本大道久久a久久精品| 亚洲少妇的诱惑av| 亚洲无线在线观看| 这个男人来自地球电影免费观看| 伦理电影免费视频| 天天一区二区日本电影三级 | 少妇裸体淫交视频免费看高清 | 欧美性长视频在线观看| 国产野战对白在线观看| 精品免费久久久久久久清纯| 午夜福利成人在线免费观看| 老司机在亚洲福利影院| 精品国产一区二区三区四区第35| 久久人妻福利社区极品人妻图片| 免费在线观看黄色视频的| 精品国内亚洲2022精品成人| 久久久久久免费高清国产稀缺| 在线天堂中文资源库| cao死你这个sao货| 亚洲一卡2卡3卡4卡5卡精品中文| 黄色毛片三级朝国网站| 91成人精品电影| 丝袜美腿诱惑在线| 69精品国产乱码久久久| 欧美久久黑人一区二区| 变态另类成人亚洲欧美熟女 | 90打野战视频偷拍视频| 热99re8久久精品国产| 日本在线视频免费播放| 亚洲最大成人中文| 亚洲伊人色综图| 黑丝袜美女国产一区| 操美女的视频在线观看| 99国产精品99久久久久| 亚洲欧美精品综合一区二区三区| 久久国产乱子伦精品免费另类| 一进一出好大好爽视频| 中国美女看黄片| 久久精品国产亚洲av香蕉五月| 99riav亚洲国产免费| 一级毛片精品| 97碰自拍视频| 一夜夜www| 日本vs欧美在线观看视频| 久久午夜综合久久蜜桃| 亚洲熟女毛片儿| 国产欧美日韩精品亚洲av| 国产欧美日韩综合在线一区二区| 麻豆一二三区av精品| av天堂在线播放| 91成年电影在线观看| 禁无遮挡网站| 日日夜夜操网爽| 最好的美女福利视频网| 视频区欧美日本亚洲| 三级毛片av免费| 久久精品亚洲精品国产色婷小说| 美女大奶头视频| av视频在线观看入口| 精品久久久久久成人av| av电影中文网址| 午夜影院日韩av| 在线观看午夜福利视频| 欧美一级a爱片免费观看看 | 高清黄色对白视频在线免费看| 国产激情久久老熟女| 美女国产高潮福利片在线看| 他把我摸到了高潮在线观看| 午夜精品在线福利| 久久 成人 亚洲| 日本五十路高清| 黄色视频,在线免费观看| 最新美女视频免费是黄的| 久久久久久免费高清国产稀缺| 丝袜美腿诱惑在线| av天堂久久9| 女人高潮潮喷娇喘18禁视频| 国产精品久久久久久人妻精品电影| 久久久久精品国产欧美久久久| 每晚都被弄得嗷嗷叫到高潮| 日韩av在线大香蕉| 麻豆一二三区av精品| 两个人免费观看高清视频| 一区二区三区精品91| 国产精品野战在线观看| 免费看a级黄色片| 欧美成人性av电影在线观看| 国产精品永久免费网站| 日韩国内少妇激情av| 色综合亚洲欧美另类图片| 午夜免费激情av| 久久 成人 亚洲| 国产亚洲精品第一综合不卡| 又大又爽又粗| 脱女人内裤的视频| 欧美+亚洲+日韩+国产| 午夜福利免费观看在线| 成人三级做爰电影| 黄色 视频免费看| 国产精品日韩av在线免费观看 | 搡老熟女国产l中国老女人| 久久欧美精品欧美久久欧美| 叶爱在线成人免费视频播放| 美女扒开内裤让男人捅视频| 手机成人av网站| 他把我摸到了高潮在线观看| 99久久国产精品久久久| 亚洲专区字幕在线| 黄色女人牲交| 在线观看日韩欧美| 久久 成人 亚洲| 国产野战对白在线观看| 大香蕉久久成人网| 亚洲一区二区三区不卡视频| 久久精品国产清高在天天线| 久久这里只有精品19| 少妇 在线观看| 久久久国产精品麻豆| 免费久久久久久久精品成人欧美视频| 黄色 视频免费看| 12—13女人毛片做爰片一| 99热只有精品国产| 十分钟在线观看高清视频www| 亚洲中文字幕一区二区三区有码在线看 | 男女午夜视频在线观看| 黄色视频,在线免费观看| 欧美一级a爱片免费观看看 | 欧美不卡视频在线免费观看 | 老司机靠b影院| 国产成人精品久久二区二区91| 国产1区2区3区精品| 免费看a级黄色片| 午夜福利视频1000在线观看 | 国产伦人伦偷精品视频| 亚洲精品国产色婷婷电影| 亚洲全国av大片| 欧美在线一区亚洲| 可以在线观看毛片的网站| 国产在线观看jvid| 欧美乱妇无乱码| 好看av亚洲va欧美ⅴa在| 91麻豆精品激情在线观看国产| 国内精品久久久久久久电影| 免费无遮挡裸体视频| 欧美激情极品国产一区二区三区| 国产成人欧美在线观看| 亚洲av成人不卡在线观看播放网| 国内精品久久久久久久电影| 亚洲美女黄片视频| 婷婷丁香在线五月| 日韩欧美一区视频在线观看| av天堂久久9| 国产私拍福利视频在线观看| 国产精品一区二区免费欧美| 日本精品一区二区三区蜜桃| 亚洲精品av麻豆狂野| 女生性感内裤真人,穿戴方法视频| 高潮久久久久久久久久久不卡| 国产精品,欧美在线| 中文字幕最新亚洲高清| 国产精品一区二区三区四区久久 | 欧美乱码精品一区二区三区| 搡老妇女老女人老熟妇| 亚洲一区中文字幕在线| 国产精品 国内视频| 免费无遮挡裸体视频| 老鸭窝网址在线观看| 97人妻天天添夜夜摸| 国产精品 国内视频| 亚洲精品一卡2卡三卡4卡5卡| 亚洲国产欧美一区二区综合| 麻豆成人av在线观看| 国产精品久久久久久人妻精品电影| 手机成人av网站| 亚洲精华国产精华精| 精品少妇一区二区三区视频日本电影| 两性夫妻黄色片| 老司机靠b影院| av福利片在线| 亚洲精品一区av在线观看| av福利片在线| 最好的美女福利视频网| 欧美人与性动交α欧美精品济南到| 亚洲熟女毛片儿| 成人手机av| 久久久久久免费高清国产稀缺| 亚洲色图 男人天堂 中文字幕| 亚洲一区二区三区色噜噜| 男人操女人黄网站| 亚洲专区中文字幕在线| 日本撒尿小便嘘嘘汇集6| 午夜福利18| 99久久综合精品五月天人人| 在线观看一区二区三区| 色尼玛亚洲综合影院| 91麻豆精品激情在线观看国产| 久久人妻av系列| 美女高潮喷水抽搐中文字幕| 国产精品野战在线观看| 免费看美女性在线毛片视频| 亚洲自偷自拍图片 自拍| 国产成人精品久久二区二区91| 97人妻天天添夜夜摸| 这个男人来自地球电影免费观看| 亚洲国产欧美日韩在线播放| 免费在线观看亚洲国产| 中文字幕人成人乱码亚洲影| 中文字幕最新亚洲高清| 黄色视频不卡| 欧美乱码精品一区二区三区| 久久久久久久精品吃奶| 一边摸一边做爽爽视频免费| 男人操女人黄网站| 亚洲少妇的诱惑av| 免费久久久久久久精品成人欧美视频| 精品乱码久久久久久99久播| 99精品在免费线老司机午夜| 国产精品av久久久久免费| 一本大道久久a久久精品| 男女下面插进去视频免费观看| 亚洲精品一卡2卡三卡4卡5卡| 久久婷婷成人综合色麻豆| 国产成人精品无人区| 亚洲精品一卡2卡三卡4卡5卡| 一区二区三区精品91| 午夜视频精品福利| 十分钟在线观看高清视频www| 美女午夜性视频免费| svipshipincom国产片| 他把我摸到了高潮在线观看| 淫妇啪啪啪对白视频| 99国产精品一区二区三区| 黄色片一级片一级黄色片| 免费观看精品视频网站| 波多野结衣高清无吗| 免费看十八禁软件| 国产精品乱码一区二三区的特点 | 大香蕉久久成人网| 亚洲av成人一区二区三| 亚洲,欧美精品.| 麻豆av在线久日| 麻豆一二三区av精品| 日韩欧美一区二区三区在线观看| 国产97色在线日韩免费| 欧美激情久久久久久爽电影 | 极品人妻少妇av视频| 黄色成人免费大全| 日韩视频一区二区在线观看| 亚洲欧洲精品一区二区精品久久久| 亚洲自拍偷在线| 国产欧美日韩综合在线一区二区| 亚洲国产高清在线一区二区三 | 长腿黑丝高跟| 日韩欧美国产在线观看| 久久精品国产亚洲av香蕉五月| 欧美另类亚洲清纯唯美| 国产在线观看jvid| e午夜精品久久久久久久| 免费在线观看影片大全网站| 丝袜人妻中文字幕| 香蕉久久夜色| 黄色女人牲交| 在线观看日韩欧美| netflix在线观看网站| 此物有八面人人有两片| 日韩av在线大香蕉| 夜夜躁狠狠躁天天躁| 天天躁狠狠躁夜夜躁狠狠躁| 波多野结衣一区麻豆| 亚洲自偷自拍图片 自拍| 久久精品人人爽人人爽视色| 国产99久久九九免费精品| 在线免费观看的www视频| 正在播放国产对白刺激| avwww免费| 校园春色视频在线观看| 色在线成人网| 国产极品粉嫩免费观看在线| 午夜视频精品福利| av天堂久久9| 在线观看66精品国产| 亚洲性夜色夜夜综合| 我的亚洲天堂| 免费av毛片视频| 制服诱惑二区| 老司机在亚洲福利影院| 精品国产乱码久久久久久男人| 久久青草综合色| 人人妻人人爽人人添夜夜欢视频| 天堂影院成人在线观看| 国产欧美日韩一区二区三| 国产av一区在线观看免费| 国产精品久久久人人做人人爽| 黄色丝袜av网址大全| 国产真人三级小视频在线观看| 色尼玛亚洲综合影院| 国产三级黄色录像| 亚洲一区中文字幕在线| 一级作爱视频免费观看| 欧美+亚洲+日韩+国产| x7x7x7水蜜桃| 999久久久国产精品视频| 日韩有码中文字幕| 亚洲 欧美 日韩 在线 免费| 日日干狠狠操夜夜爽| 精品高清国产在线一区| 国产精品一区二区三区四区久久 | 国产91精品成人一区二区三区| 日本撒尿小便嘘嘘汇集6| 女人被躁到高潮嗷嗷叫费观| 久9热在线精品视频| 日本黄色视频三级网站网址| 国产亚洲av嫩草精品影院| 久久婷婷成人综合色麻豆| 精品熟女少妇八av免费久了| 亚洲专区中文字幕在线| 非洲黑人性xxxx精品又粗又长| 精品电影一区二区在线| 国产极品粉嫩免费观看在线| 黑人巨大精品欧美一区二区蜜桃| 美女 人体艺术 gogo| 亚洲少妇的诱惑av| 成人国语在线视频| 日本欧美视频一区| 成人三级做爰电影| 色综合亚洲欧美另类图片| 欧美大码av| 男女床上黄色一级片免费看| 怎么达到女性高潮| 久久香蕉国产精品| 久久午夜综合久久蜜桃| 久热这里只有精品99| 亚洲欧美精品综合久久99| 神马国产精品三级电影在线观看 | 变态另类成人亚洲欧美熟女 | 精品一区二区三区av网在线观看| 18禁国产床啪视频网站| 黑人欧美特级aaaaaa片| 中文字幕人妻丝袜一区二区| 可以在线观看毛片的网站| 视频区欧美日本亚洲| 香蕉久久夜色| 男女下面插进去视频免费观看| 国产精品1区2区在线观看.| 午夜福利在线观看吧| 精品国产超薄肉色丝袜足j| 波多野结衣一区麻豆| 亚洲全国av大片| 国产亚洲欧美98| 亚洲自拍偷在线| 欧美日韩一级在线毛片| 午夜免费成人在线视频| 国产极品粉嫩免费观看在线| 成人国产一区最新在线观看| 给我免费播放毛片高清在线观看| 久久精品91蜜桃| 给我免费播放毛片高清在线观看| 国产亚洲精品久久久久久毛片| 桃红色精品国产亚洲av| 久久婷婷成人综合色麻豆| 国产熟女午夜一区二区三区| 纯流量卡能插随身wifi吗| av福利片在线| av中文乱码字幕在线| 色综合欧美亚洲国产小说| 在线观看免费视频网站a站| 久久久久精品国产欧美久久久| 国产91精品成人一区二区三区| 国产精品 欧美亚洲| 亚洲男人天堂网一区| 亚洲情色 制服丝袜| 美女高潮喷水抽搐中文字幕| 亚洲情色 制服丝袜| 啦啦啦 在线观看视频| 亚洲中文日韩欧美视频| 国产精品爽爽va在线观看网站 | 亚洲色图 男人天堂 中文字幕| xxx96com| 999久久久精品免费观看国产| 免费在线观看黄色视频的| 精品人妻1区二区| 亚洲av电影不卡..在线观看| 一进一出好大好爽视频| 久久青草综合色| 极品教师在线免费播放| 色老头精品视频在线观看| 又大又爽又粗| 免费在线观看影片大全网站| 97超级碰碰碰精品色视频在线观看| 国产又爽黄色视频| 精品日产1卡2卡| 男人舔女人下体高潮全视频| 丰满人妻熟妇乱又伦精品不卡| 亚洲熟妇中文字幕五十中出| 亚洲国产欧美网| 黄频高清免费视频| 欧美日韩精品网址| 亚洲五月婷婷丁香| 每晚都被弄得嗷嗷叫到高潮| 国产麻豆69| 一级a爱片免费观看的视频|