...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Optical engineering >Improved saliency too I box/I tti model for region of interest extraction
【24h】

Improved saliency too I box/I tti model for region of interest extraction

机译：改进的显着性I box / I tti模型用于感兴趣区域提取

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The saliency toolbox (STB)/ltti model is an outstanding computational selective visual attention model. In this paper, we propose an improved STB/ltti model to overcome the drawback of STB/ltti-its output "saliency map" is not large enough for region of interest (ROI) extraction. First, we employ a simplified pulse coupled neural network (PCNN) with a special input image, and more importantly, the PCNN does not require iterations. Subsequently, the PCNN takes the place of the winner-take-all network in STB/ltti. Experimental results show that the improved STB/ltti model works well for ROI extraction, with the mean area under the curve value of 0.8306 and robustness against noise and geometric attacks. The proposed model can greatly enhance the performances of both STB/ltti and PCNN model in image processing.
机译：显着性工具箱（STB）/ ltti模型是出色的计算选择性视觉注意模型。在本文中，我们提出了一种改进的STB / ltti模型，以克服STB / ltti的缺点，其输出“显着图”不足以提取感兴趣区域（ROI）。首先，我们使用带有特殊输入图像的简化脉冲耦合神经网络（PCNN），更重要的是，PCNN不需要迭代。随后，PCNN取代了STB / ltti中的赢家通吃网络。实验结果表明，改进的STB / ltti模型对于ROI提取效果很好，其曲线下的平均面积为0.8306，并且对噪声和几何攻击具有鲁棒性。所提出的模型可以极大地增强STB / ltti和PCNN模型在图像处理中的性能。

著录项

  • 来源
    《Optical engineering》 |2011年第9期|p.097202.1-097202.13|共13页
  • 作者

    Dong-Jian He; Shang-Wang Liu; Xin-Hong Liang; Cheng Cai;

  • 作者单位

    Northwest A&F University College of Mechanical and Electronic Engineering No. 22, Xinong Road Yangling, Shaanxi 712100, China;

    Northwest A&F University College of Mechanical and Electronic Engineering No. 22, Xinong Road Yangling, Shaanxi 712100, China;

    Henan Institute of Science & Technology School of Food Science Hualan Road Xinxiang, Henan 453003, China;

    Northwest A&F University College of Information Engineering No. 22, Xinong Road Yangling, Shaanxi 712100, China;

  • 收录信息 美国《科学引文索引》(SCI);美国《工程索引》(EI);
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

    saliency toolbox/ltti model; saliency map; region of interest; pulse coupled neural network; winner-take-all network;

    机译：显着性工具箱/ ltti模型;显着图感兴趣的区域;脉冲耦合神经网络赢家通吃网络;

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号