• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권10호
• /
• pp.4976-4994
• /
• 2018

The diffusion-based salient object detection methods have shown excellent detection results and more efficient computation in recent years. However, the current diffusion-based salient object detection methods still have disadvantage of detecting the object appearing at the image boundaries and different scales. To address the above mentioned issues, this paper proposes a multi-scale diffusion-based salient object detection algorithm with background and objectness seeds. In specific, the image is firstly over-segmented at several scales. Secondly, the background and objectness saliency of each superpixel is then calculated and fused in each scale. Thirdly, manifold ranking method is chosen to propagate the Bayessian fusion of background and objectness saliency to the whole image. Finally, the pixel-level saliency map is constructed by weighted summation of saliency values under different scales. We evaluate our salient object detection algorithm with other 24 state-of-the-art methods on four public benchmark datasets, i.e., ASD, SED1, SED2 and SOD. The results show that the proposed method performs favorably against 24 state-of-the-art salient object detection approaches in term of popular measures of PR curve and F-measure. And the visual comparison results also show that our method highlights the salient objects more effectively.

• 한국전자통신학회논문지
• /
• 제8권2호
• /
• pp.213-218
• /
• 2013

본 논문에서는 효율적 항만관리를 위하여 영상기반 선박 검출 방법을 제안한다. 움직이는 선박의 추적이 용이하도록 시각집중 알고리즘과 평균이동 알고리즘을 적용하여 배경정보를 포함하지 않는 선박영역을 검출한다. 시각집중알고리즘은 배경으로부터 두드러진 특징을 갖는 객체를 추출하는데 효과적이기 때문에 해상에서 선박을 검출하는데 용이하다. 돌출영역에 포함되어 있는 배경정보를 제거하기 위하여 평균이동 알고리즘을 이용하여 영상 분할 및 클러스터링을 한다. 돌출영역 내에 있는 화소 중에서 돌출영역 주변의 클러스터와 같은 컬러값을 갖는 화소를 배경으로 처리함으로써 선박만을 검출한다. 항만에 설치된 고해상도 카메라의 영상을 이용하여 선박 검출 시뮬레이션 결과 제안하는 방법이 선박을 검출하는데 효과적임을 보인다.

• 전자공학회논문지
• /
• 제54권1호
• /
• pp.88-95
• /
• 2017

본 논문에서는 웨이블릿 변환 영역에서 엔트로피 가중치와 웨버 대비 도를 이용한 세일리언시 검출 방법을 제안한다. 본 논문의 방법은 기존의 일반적인 방법과 마찬가지로 국부적인 세일리언시를 결정하는 상향식 검출과 전역적인 세일리언시를 구성하는 하향식 검출을 결합하는 구조를 가진다. 먼저, CIE Lab 컬러 영상에 대하여 웨이블릿 변환을 수행하고, 저주파 부밴드에 대하여 웨버 대비도 계산하고 이를 저주파 계수에 부가하여 전역 세일리언시를 구한다. 다음으로, 고주파 부밴드의 엔트로피를 이용한 가중치를 가우시안 필터에 적용하여 국부 세일리언시를 구한다. 마지막으로 국부 세일리언시와 전역 세일리언시의 비선형 결합을 통하여 최종 세일리언시를 검출한다. 제안 방법의 성능 평가를 위해 2개의 영상 데이터베이스에 대하여 모의실험을 수행하였다. 기존의 방법과 비교하여 본 논문의 방법은 우수한 세일리언시 검출 결과를 나타내었다.

• 스마트미디어저널
• /
• 제2권2호
• /
• pp.8-13
• /
• 2013

Nowadays, the saliency region detection has become a popular research topic because of its uses for many applications like object recognition and object segmentation. Some of recent methods apply color distinctiveness based on an analysis of statistics of color image derivatives in order to boosting color saliency can produce the good saliency maps. However, if the salient regions comprise more than half the pixels of the image or the background is complex, it may cause bad results. In this paper, we introduce the method to handle these problems by using maximum symmetric surround. The results show that our method outperforms the previous algorithms. We also show the segmentation results by using Otsu's method.

• 전자공학회논문지
• /
• 제54권6호
• /
• pp.72-79
• /
• 2017

본 논문에서는 웨이블릿 부밴드의 상호 정보량을 이용한 새로운 세일리언시 검출 방법을 제시한다. 본 논문의 방법은 웨이블릿 고주파 계수에 대한 승수와 가우시안 블러링을 이용하여 중간 세일리언시 지도를 형성한다. 웨이블릿 방향에 따른 세 개의 중간 세일리언시 지도를 방향별로 결합한 후 최소 엔트로피를 가지는 주 방향성 성분을 찾는다. 최소 엔트로피를 가지는 부밴드를 중심으로 각 부밴드의 상호 정보량을 구하고, 이를 이용한 가중치를 계산하고, Minkowski 합을 이용하여 최종 세일리언시를 검출한다. CAT2000 및 ECSSD 데이터베이스 대한 실험 결과, 본 논문의 방법은 기존 방법과 비교하여 적은 계산시간으로 ROC 및 AUC 관점에서 우수한 검출 결과를 보였다.

• 디지털융복합연구
• /
• 제10권8호
• /
• pp.211-217
• /
• 2012

기존의 GrabCut 알고리즘은 자동 객체 추출이 아닌 사용자가 객체 영역에 사각형 윈도우를 설정해야하는 알고리즘이다. 본 논문에서는 자동 시스템으로 변환하기 위해 인간의 시각 시스템을 기반으로 영상에서 가장 눈에 띄는 영역을 탐지하는 방법을 연구하였다. 주의 시각 영역인 Saliency Map을 생성하기 위해서 인간이 색채를 감지하는 '적/녹' '황/청'의 대립색설을 기반으로 하는 Lab 색공간을 이용하여 생성한다. 생성된 Saliency Map을 주파수 공간으로 변환하여 저주파 영역에 국부적인 경계를 나타내고 경계를 탐지해내어 Saliency Point를 생성한다. 이렇게 생성된 Saliency Point의 좌표 값을 이용하여 윈도우를 자동으로 생성한 후 GrabCut 알고리즘을 기반으로 객체를 추출하였다. 다양한 영상에 제안한 알고리즘을 적용한 결과 객체 영역에 자동으로 윈도우가 생성되었고 객체가 추출되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권5호
• /
• pp.2576-2589
• /
• 2017

Co-saliency detection is a task of detecting same or similar objects in multi-scene, and has been an important preprocessing step for multi-scene image processing. However existing methods lack efficiency to match similar areas from different images. In addition, they are confined to single image detection without a unified framework to calculate co-saliency. In this paper, we propose a novel model called Superpixel Matching-Cellular Automata (SMCA). We use Hausdorff distance adjacent superpixel sets instead of single superpixel since the feature matching accuracy of single superpixel is poor. We further introduce Cellular Automata to exploit the intrinsic relevance of similar regions through interactions with neighbors in multi-scene. Extensive evaluations show that the SMCA model achieves leading performance compared to state-of-the-art methods on both efficiency and accuracy.

• ETRI Journal
• /
• 제41권6호
• /
• pp.797-810
• /
• 2019

Image saliency detection is the basis of perceptual image processing, which is significant to subsequent image processing methods. Most saliency detection methods can detect only a single object with a high-contrast background, but they have no effect on the extraction of a salient object from images with complex low-contrast backgrounds. With the prior knowledge, this paper proposes a method for detecting salient objects by combining the boundary contrast map and the geodesics-like maps. This method can highlight the foreground uniformly and extract the salient objects efficiently in images with low-contrast backgrounds. The classical receiver operating characteristics (ROC) curve, which compares the salient map with the ground truth map, does not reflect the human perception. An ROC curve with distance (distance receiver operating characteristic, DROC) is proposed in this paper, which takes the ROC curve closer to the human subjective perception. Experiments on three benchmark datasets and three low-contrast image datasets, with four evaluation methods including DROC, show that on comparing the eight state-of-the-art approaches, the proposed approach performs well.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권6호
• /
• pp.2444-2463
• /
• 2020

Significant detection of video can more rationally allocate computing resources and reduce the amount of computation to improve accuracy. Deep learning can extract the edge features of the image, providing technical support for video saliency. This paper proposes a new detection method. We combine the Convolutional Neural Network (CNN) and the Deep Bidirectional LSTM Network (DB-LSTM) to learn the spatio-temporal features by exploring the object motion information and object motion information to generate video. A continuous frame of significant images. We also analyzed the sample database and found that human attention and significant conversion are time-dependent, so we also considered the significance detection of video cross-frame. Finally, experiments show that our method is superior to other advanced methods.

• 한국융합학회논문지
• /
• 제11권12호
• /
• pp.39-47
• /
• 2020

본 논문에서는 이미지에서 돌출되는 객체를 검출하기 위해 Saliency Attention을 이용한 딥러닝 기반의 검출 방법을 제안하였다. 돌출 객체 검출은 사람의 시선이 집중되는 물체를 배경으로부터 분리시키는 것이며, 이미지에서 관련성이 높은 부분을 결정한다. 객체 추적 및 검출, 인식 등의 다양한 분야에서 유용하게 사용된다. 기존의 딥러닝 기반 방법들은 대부분 오토인코더 구조로, 특징을 압축 및 추출하는 인코더와 추출된 특징을 복원 및 확장하는 디코더에서 많은 특징 손실이 발생한다. 이러한 손실로 돌출 객체 영역에 손실이 발생하거나 배경을 객체로 검출하는 문제가 있다. 제안하는 방법은 오토인코더 구조에서 특징 손실을 감소시키고 배경 영역을 억제하기 위해 Saliency Attention을 제안하였다. ELU 활성화 함수를 이용해 특징 값의 영향력을 결정하며 각각 정규화된 음수 및 양수 영역의 특징값에 Attention을 진행하였다. 제안하는 Attention 기법을 통해 배경 영역을 억제하며 돌출 객체 영역을 강조하였다. 실험 결과에서는 제안하는 방법이 기존 방법과 비교하여 향상된 검출 결과를 보였다.