论文部分内容阅读
利用传统方法提取图像显著性前景目标时,由于底层图像数据信息较为复杂而难以实现图像超像素分割。为此,基于背景消减法设计了一种新的图像显著性前景目标提取方法。通过简单线性聚类迭代算法对图像进行超像素分割,获取图像的超像素合集,然后利用类别相同的显著性值对图像内部超像素的对应显著性值进行均衡处理。基于背景消减法中的二维高斯模型对图像进行显著性平滑处理,并通过深度条件随机场模型检测显著性前景目标。通过深度信息完成场景布局估计,在区域层次聚类的基础上通过改进GrabCut算法分割显著性前景目标,实现对显著性前