دوره 16، شماره 4 - ( 12-1398 )                   جلد 16 شماره 4 صفحات 59-72 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Banitalebi-Dehkordi M, Ebrahimi-moghadam A, Khademi M, Hadizadeh H. Compressed-Sampling-Based Image Saliency Detection in the Wavelet Domain. JSDP. 2020; 16 (4) :59-72
URL: http://jsdp.rcisp.ac.ir/article-1-874-fa.html
بنی‌طالبی دهکردی مهدی، ابراهیمی‌مقدم عباس، خادمی مرتضی، هادی‌زاده هادی. تشخیص نقاط برجسته تصاویر با استفاده از نمونه‌برداری فشرده در حوزه موجک. پردازش علائم و داده‌ها. 1398; 16 (4) :59-72

URL: http://jsdp.rcisp.ac.ir/article-1-874-fa.html


دانشگاه فردوسی مشهد
چکیده:   (324 مشاهده)
امروزه پژوهش‌گران، از مزایای بسیار زیاد استفاده از مدل‌سازی توجه بصری انسان، در زمینه‌های مختلف، به‌صورت گسترده استفاده می‌کنند. در روش‌های مختلف ارایه‌شده در این راستا، نقشه‌هایی دو بُعدی موسوم به "نقشه نقاط برجسته" استخراج می‌شود که مقادیر نقاط مختلف در آن، بیان‌گر میزان جلب توجه بیننده به نقاط متناظر در تصویر است. در این مقاله نیز برای به‌دست‌آوردن نقشه برجستگی از ضرایب موجک تصاویر، براساس تکنیک نمونه‌برداری فشرده، نمونه‌های تصادفی انتخاب می‌شوند. در ادامه، از نمونه‌های انتخاب‌شده نقشه‌های ویژگی تولید می‌شود. با استفاده از نقشه‌های ویژگی به‌دست‌آمده، نقشه برجستگی محلی و نقشه برجستگی کلی محاسبه می‌شود. در‌نهایت، با ترکیب خطی نقشه برجستگی محلی و کلی به‌دست‌آمده، نقشه برجستگی نهایی محاسبه می‌شود. ارزیابی‌های تجربی حاکی از نتایج امیدوارکننده‌ای از برتری روش ارایه‌شده نسبت به سایر مدل‌های تشخیص برجستگی، در آشکارسازی نواحی برجسته و در عین حال در کاهش حجم محاسباتی است.
 
متن کامل [PDF 3988 kb]   (84 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش تصویر
دریافت: 1397/3/23 | پذیرش: 1397/11/24 | انتشار: 1399/2/1 | انتشار الکترونیک: 1399/2/1

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.