عنوان : ( Compressed-Sampling-Based Image Saliency Detection in the Wavelet Domain )
نویسندگان: مهدی بنی طالبی دهکردی , عباس ابراهیمی مقدم , مرتضی خادمی درح ,
Full Textچکیده
مروزه 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.
کلمات کلیدی
, نقشه نقاط برجسته, توجه بصری, تبدیل موجک, تُنُکی, نمونه‌برداری فشرده
@article{paperid:1080489,
author = {بنی طالبی دهکردی, مهدی and ابراهیمی مقدم, عباس and خادمی درح, مرتضی},
title = {Compressed-Sampling-Based Image Saliency Detection in the Wavelet Domain},
journal = {پردازش علائم و داده ها- Signal and Data Processing},
year = {2020},
volume = {16},
number = {4},
month = {March},
issn = {2538-4201},
pages = {59--72},
numpages = {13},
keywords = {نقشه نقاط برجسته، توجه بصری، تبدیل موجک، تُنُکی، نمونه‌برداری فشرده},
}
%0 Journal Article
%T Compressed-Sampling-Based Image Saliency Detection in the Wavelet Domain
%A بنی طالبی دهکردی, مهدی
%A ابراهیمی مقدم, عباس
%A خادمی درح, مرتضی
%J پردازش علائم و داده ها- Signal and Data Processing
%@ 2538-4201
%D 2020
