view in publisher's site

Visual saliency detection using information contents weighting

Visual attention is the human ability, which instinctively allows to direct our gaze towards the objects of interest in visual environment. Precise estimation of salient regions without prior knowledge is an important step in many computer vision applications. In this article, we propose a novel idea for saliency detection where we exploited ternary color space with the premonition that salient object is always salient in one or more color channels. Our contribution is threefold: first, use global information to partition image into two clusters namely foreground and background by utilizing contrast stretching and morphological theory. Second, design a weighting criteria based on proposed extended segmentation based fractal texture analysis (ESFTA), boundary connections, number of connected labels and distance from the center. Finally, we enhance saliency while diminishing the background details to generate adept, robust and appealing results. Comprehensive evaluation on standard benchmark datasets and comparison with nine state-of-the-art methods validate the effectiveness of our proposed work.

تشخیص برجستگی بصری با استفاده از وزن دهی محتویات اطلاعاتی. Optik - مجله بین‌المللی برای نور و الکترون Optics، ۱۲۷ (۱۹)، ۷۴۱۸ - ۷۴۳۰

ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Electronic, Optical and Magnetic Materials
  • ترجمه مقاله Electronic, Optical and Magnetic Materials
  • مقاله مواد الکترونیک، نوری و مغناطیسی
  • ترجمه مقاله مواد الکترونیک، نوری و مغناطیسی
  • مقاله Atomic and Molecular Physics, and Optics
  • ترجمه مقاله Atomic and Molecular Physics, and Optics
  • مقاله فیزیک اتمی، مولکولی و اپتیک
  • ترجمه مقاله فیزیک اتمی، مولکولی و اپتیک
  • مقاله Electrical and Electronic Engineering
  • ترجمه مقاله Electrical and Electronic Engineering
  • مقاله مهندسی برق و الکترونیک
  • ترجمه مقاله مهندسی برق و الکترونیک
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.