-
公开(公告)号：CN101853513A
公开(公告)日：2010-10-06
申请号：CN201010192240.8
申请日：2010-06-06
申请人： 华中科技大学
IPC分类号： G06T7/20
摘要： 本发明公开了一种基于信息熵的时空显著性视觉注意方法，步骤为：①提取短视频中的动态显著性图和静态显著性图；②将静态显著性图和动态显著性图联合生成最终显著性图；③胜者全赢；④返回抑制，将最终显著性图中最显著性的区域的像素值都置为零，得到了一个新的最终显著性图；⑤注意选择。在计算动态显著性时，本发明直接计算所有帧之间的动态显著性，仅仅计算当前帧的静态显著性图，这样很好地解决了现有方法存在的问题，节约了计算时间，并能更好地检测出动态显著性部分；另外本发明还运用了多尺度的方法计算了动态显著性，这样就能更好地计算出视频中不同大小物体的动态显著性，获得良好的视觉效果。
-
公开(公告)号：CN101853513B
公开(公告)日：2012-02-29
申请号：CN201010192240.8
申请日：2010-06-06
申请人： 华中科技大学
IPC分类号： G06T7/20
摘要： 本发明公开了一种基于信息熵的时空显著性视觉注意方法，步骤为：①提取短视频中的动态显著性图和静态显著性图；②将静态显著性图和动态显著性图联合生成最终显著性图；③胜者全赢；④返回抑制，将最终显著性图中最显著性的区域的像素值都置为零，得到了一个新的最终显著性图；⑤注意选择。在计算动态显著性时，本发明直接计算所有帧之间的动态显著性，仅仅计算当前帧的静态显著性图，这样很好地解决了现有方法存在的问题，节约了计算时间，并能更好地检测出动态显著性部分；另外本发明还运用了多尺度的方法计算了动态显著性，这样就能更好地计算出视频中不同大小物体的动态显著性，获得良好的视觉效果。
-
公开(公告)号：CN101894371A
公开(公告)日：2010-11-24
申请号：CN201010229180.2
申请日：2010-07-19
申请人： 华中科技大学
摘要： 本发明公开了一种生物激励的自顶向下的视觉注意方法，步骤为：①提取所有的学习图的特征；②将同类型所有的学习图表示成均值向量和标准差向量；③获取待注意图的自顶向下的显著性图和自底向上的显著性图；④获取最终显著性图；⑤胜者全赢；⑥返回抑制，将最终显著性图中最显著性点所在区域的像素值都置为零，得到了一个新的最终显著性图；⑦注意选择。本发明在学习目标的表示时，仅仅利用了学习目标本身的特性，而没有考虑其所在的背景，这样的目标表示具有更强的鲁棒性，获得较好的视觉效果。
-
公开(公告)号：CN101894371B
公开(公告)日：2011-11-30
申请号：CN201010229180.2
申请日：2010-07-19
申请人： 华中科技大学
摘要： 本发明公开了一种生物激励的自顶向下的视觉注意方法，步骤为：①提取所有的学习图的特征；②将同类型所有的学习图表示成均值向量和标准差向量；③获取待注意图的自顶向下的显著性图和自底向上的显著性图；④获取最终显著性图；⑤胜者全赢；⑥返回抑制，将最终显著性图中最显著性点所在区域的像素值都置为零，得到了一个新的最终显著性图；⑦注意选择。本发明在学习目标的表示时，仅仅利用了学习目标本身的特性，而没有考虑其所在的背景，这样的目标表示具有更强的鲁棒性，获得较好的视觉效果。
-
-
-
搜索结果
4 条记录 (耗时 0.026 秒)
