您的位置: 专家智库 > >

周方正

作品数:2 被引量:6H指数:2
供职机构:江南大学更多>>
发文基金:中央高校基本科研业务费专项资金江苏省自然科学基金国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇像素
  • 1篇显著性检测
  • 1篇加权
  • 1篇PRIM算法

机构

  • 2篇江南大学

作者

  • 2篇周治平
  • 2篇周方正

传媒

  • 2篇计算机辅助设...

年份

  • 2篇2017
2 条 记 录,以下是 1-2
排序方式:
融合边缘特征的Prim快速目标定位算法被引量:4
2017年
为了解决目标检测中物体定位效率不高的问题,针对现有多数方法采用的穷举式的滑动窗口检测的不足,提出一种改进的Prim算法融合超像素而产生推荐窗口的算法.先采用快速的结构化边缘检测算子产生边缘结构,然后通过非极大值抑制产生各边缘集合,再由边界集合构建物体轮廓确定Prim算法融合超像素初始的条件,最终由超像素间的边界强度和开始产生的边缘轮廓判断终止条件,产生图像中各物体的定位区域.在Pascal VOC 2007数据集上进行实验的结果表明,在一致的检测标准下,文中改进的Prim算法在平均重叠率达到0.78的情况下,将原有算法产生的推荐窗口减少了60%左右,同时算法时间提升近1倍.
周方正周治平
稀疏加权的背景模板优化提升显著目标检测算法被引量:2
2017年
针对稀疏重构误差算法在检测显著目标在构造背景模板时,由误选前景区域作为模板导致检测结果出现误差的问题,提出一种优化背景模板的算法.首先计算各背景模板与图像各边界的连通性,通过该边界连通性判断模板是否属于真正背景;然后用各个背景模板构成的重构字典实现对整幅图像各区域的重构,该过程采用一种新的稀疏加权算法抑制非零向量基,从而加强了解向量在相似模板中的作用;最后通过计算的各个区域重构误差产生最终的显著图.在3个标准的数据集上进行实验的结果表明,该算法有效地提升显著检测算法效果,在较为复杂的背景环境下也能产生明确的视觉显著图,与原始算法相比平均绝对误差降低近20%.
周治平周方正
关键词:显著性检测
共1页<1>
聚类工具0