显著性检测SWD--Matlab
Visual saliency detection by spatially weighted dissimilarity
显著性检测SIM算法--Matlab
在本文中我们展示
在人类视觉中一种有效的色彩外观模型,
其中也包含原则性的参数选择作为一种先天的空间联合机制,可以被推广
以获得优于最新技术的显着性模型楷模。尺度积分是通过逆小波变换实现的
通过一系列比例加权中心环绕响应。比例加权函数(称为ECSF)已被优化以更好地复制心理物理数据颜色的外观,和适当的尺寸中心环绕抑制窗口已被确定通过对眼睛固定数据训练高斯混合模型,从而避免了特别的参数选择。
论文:Saliency Estimation Using a Non-Parametric Low-Level Vision Model
显著性检测SR算法--Matlab
基于MATLAB实现的上交博士侯晓迪的SR显著性,该显著性方法不依赖先验信息,计算快,适合于工程应用。
显著性检测GR算法--Matlab
论文题目:Graph-regularized Saliency Detection with Convex-hull-based Center Prior
显著性检测COV算法--MATLAB
检测复杂自然的视觉突出元素场景,计算自下而上的显着性模型通常会检查几个特征频道,如颜色和方向并行。他们计算出一个为每个通道单独分配功能图,然后线性分配结合这些地图生成主显着图。但是,只有少数研究调查了如何不同的特征尺寸有助于整体视觉显着性。
论文:Visual saliency estimation by nonlinearly integrating features
using region covariances
显著性检测CA算法--Matlab
这是一种图像视觉显著性提取方法,对应文献S. Goferman, L. Zelnik-Manor, and A. Tal, “Context-aware saliency detection,” in IEEE CVPR, 2010, pp. 2376–2383.该文献中的模型同时考虑了图像的局部特征和全局特征,克服了显著区域范围是固定模型以及区域只考虑到前景图像,忽视含有信息量的背景信息的做法,能提取出显著区域轮廓,利于后续处理,但是需要计算图像中每个像素点相当于局部区域的显著性,计算量较大。
OpenCV入门教程
OpenCV是一个广受欢迎的开源计算机视觉库 是一个广受欢迎的开源计算机视觉库 ,它提供了 很多函数,实现很多计算机视觉法,从最基本的 滤波到高级物体检测 皆有涵盖 。很多 初学者希望快速掌握 OpenCV OpenCV OpenCVOpenCV的使用方法 ,但 往会 遇到 各种样的困难。 其 实仔细分析,造成这些困难的原因 有两类:第一是 C/C++/C++/C++/C++编程基础不过关; 第二类是不了解算法原理。 解决 这些 困难无非提升编程能力,以及理论基 础知识。 提升编程能力需要多练习,理论知识系统学《数字图 像处理》、《计算机视觉和模式识别等课程,所有这些都不 像处理》、《计算机视觉和模式识别等课程,所有这些都不 像处理》、《计算机视觉和模式识别等课程,所有这些都不 能一蹴而就 , 需要耐下心来认真修炼。
同时我们也 需要 认识到 OpenCV OpenCV OpenCVOpenCV只是一个算法库, 只是一个算法库, 能为我们搭建计算机视觉 应用提供“砖头”。我们并不需要完全精通了算法原理 应用提供“砖头”。我们并不需要完全精通了算法原理 之后 才去使用 OpenCV OpenCV OpenCVOpenCV, 只要了解“砖头”的功能,就可以动手。在实践中学习 才是最高效的学习 方式。 本小册子希望为初学者提供引导,使快速了解 OpenCV OpenCV OpenCVOpenCV的基本数 据结构以及用法。
图像处理、分析与机器视觉(第三版)
本书是为计算机专业图像处理、图像分析和机器视觉课程编写的教材。
本书针对图像处理、图像分析和机器视觉领域的有关原理与技术展开了广泛而深入的讨论,包括图像预处理、图像分割、形状表示与描述、物体识别与图像理解、三维视觉、数学形态学图像处理技术、离散图像变换、图像压缩、纹理描述、运动分析等。本书力图将复杂的概念通过具体示例用易于理解的算法来描述,提供了大量包含图示和处理结果的插图,特别有助于读者的学习和理解。此外,本书还提供了丰富的参考文献,既列出了那些经过时间考验的经典论文,也列出了能反映未来发展方向的最新进展,适于读者进一步深入探索。
本书覆盖了十分广泛的领域,包括人工智能、信号处理、人工神经网络、模式识别、机器学习、模糊数学等一系列相关学科。读者通过学习本书,可以学到很多具有普遍价值的知识和具体的应用方法。
本书可作为各高等院校计算机专业高年级本科生和研究生相应课程的教材,可以结合实际教学情况选用相应的章节。本书也特别适合有一定基础的读者自学。本书对从事相关科学技术领域的研究和工程技术人员也有很高的参考价值。此外,对于本领域的专业人士也可以作为技术手册使用。
精通Visual C++ 数字图像处理技术与工程案例
本书首先介绍数字图像处理的各种基本技术,然后介绍了数字图像处理的一些基本应用,如滚动图片、滚动文字以及小波处理等,最后通过9个综合案例全面展示数字图像处理的综合应用,基本上涵盖了当前的热点问题,
数字图像处理_第三版_中_冈萨雷斯
在数字图像处理领域,本书作为主要教材已有30多年。这一版本是作者在前两版的基础上修订而成的,是前两版的发展与延续。除保留了前两版的大部分内容外,作者对13方面对本书进行了修订。
精通MATLAB+R2014+(2015代码)
由浅入深,循序渐进;本书以初、中级读者为对象,首先从MATLAB的基础知识讲起,辅以MATLAB在工程中的应用案例,帮助读者尽快掌握MATLAB进行科学计算及工程分析的技能。精通MATLAB R2014a每个章节的代码。
显著性检测 GS MR RBD SF算法
运行demo.m以了解如何使用
Saliency Optimization [1]以及Saliency Filter [2],Geodesic Saliency [3] Manifold Ranking [4]。
[1] Wangjiang Zhu, Shuang Liang, Yichen Wei, and Jian Sun. Saliency Optimization from Robust Background Detection. In CVPR, 2014.
[2] F. Perazzi, P. Krahenbuhl, Y. Pritch, and A. Hornung. Saliency filters: Contrast based filtering for salient region detection.
% In CVPR, 2012.
[3] Y.Wei, F.Wen,W. Zhu, and J. Sun. Geodesic saliency using background priors. In ECCV, 2012.
[4] C. Yang, L. Zhang, H. Lu, X. Ruan, and M.-H. Yang. Saliency detection via graph-based manifold ranking. In CVPR, 2013.
显著性检测MC算法
运行“Saliency_Absorb_MC.m”。
================================================== ======================
Saliency_Absorb_MC.m:主要功能
SLIC.mex:SLIC算法的mex文件
find_connect_superpixel_DoubleIn_Opposite.m:获取超像素的邻居关系
Find_Edge_Superpixels.m:获取边缘超像素的指示
normalize.m:将输入向量的范围标准化为[0,1]
SLICSuperpixels 超像素分割图 C++代码
生成的超像素如同细胞一般紧凑整齐,邻域特征比较容易表达。这样基于像素的方法可以比较容易的改造为基于超像素的方法。不仅可以分割彩色图,也可以兼容分割灰度图。需要设置的参数非常少,默认情况下只需要设置一个预分割的超像素的数量。
相比其他的超像素分割方法,SLIC在运行速度、生成超像素的紧凑度、轮廓保持方面都比较理想。
显著性检测MSRA10K图像数据
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集MSRA数据集,包含准确的像素级的显著目标标注图
超像素分割 SuperPixel ---- VS C++
超像素经典的算法SLIC就属于上述1%的一员,他有论文的介绍原理性的东西,有数学公式的推导,有和其他算法的比较数据,更重要的是他还有和论文完全对应的参考代码,而且有C++、matlab以及GPU版本,可以说是非常有良心的一篇论文。虽然是优质代码,但是当你真正的去研究他的代码时,你就会发现离实际的应用距离还有很远的路要走:可怕的内存占用,大量的浮点计算还是很客观的时间开销。你在网络上搜索,包括github上,可以找到一些相关的用SLIC做图像分割的代码,而百度上所搜SLIC也能找到一些博客园或者CSDN的博客的介绍,不过大部分都停留在对源代码的解释上。
显著图像数据集Judd
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集Judd。
显著图像数据集THUR15000-plane
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集THUR15000-plane
显著图像数据集THUR15000-Giraffe
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集THUR15000-Giraffe
显著图像数据集THUR15000-DogJump
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集THUR15000-DogJump
显著图像数据集THUR15000-CoffeeMug
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集THUR15000-CoffeeMug
显著图像数据集THUR15000-Butterfly
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集THUR15000-Butterfly
ECSSD图像数据库
著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著性检测数据集ECSSD图像数据库和标记图。
显著性检测数据集MSRA图像库
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著性检测数据集MSRA图像库和mark图
显著性检测数据集HKU-IS
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。常用的显著性检测数据集HKU-IS和他们的GT图
显著性检测数据集 DUT-OMRON (5166)
显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。常用的显著性检测数据集DUT-OMRON (5166)和他们的GT图