← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9597.d · 生成模型:DeepSeek-V4.1-Flash

局部对比度与模糊生长

理解等级:中级

局部对比度模型用最朴素的判据定义显著:一个像素与它周围有多不一样。显著值计算在降采样后的低分辨率图上进行,对每个像素q取以它为中心的M×N邻域Θ,累加q与邻域内每个像素的颜色相似度,作为q的显著值;周围越不相似,值越高。区域提取用模糊生长:显著图像素被划入“显著”与“非显著”两个互斥模糊集,用隶属度而非硬阈值描述归属,再穷举搜索使两个模糊集熵最小的划分点,从而分割出显著区域。

好处是不假设目标形状,弱边界目标也能被完整生长出来,计算集中在邻域累加、易于并行。代价是窗口尺寸成为关键参数:窗口小于目标只能得到轮廓响应,远大于目标则对比被平均掉。它也只利用颜色相似度,用于灰度红外图像时需换成灰度差,效果依赖目标与背景的可分性。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《基于类脑计算的目标检测与跟踪技术》第5章 人脑视觉系统的视觉注意机制及其应用(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt005.html) - 结论依据:局部对比度模型用最朴素的判据定义显著:一个像素与它周围有多不一样。 - 原始内容:在人类视觉感知中,对比是评价视觉敏锐度的重要参数,高对比度区域信息丰富,最有可能吸引人类的注意。基于上述原理,局部对比度(Local Contrast,LC)模型提出一种基于局部对比度和模糊生长的显著性检测模型。