《表1 图像的矩：基于对象性和多层线性模型的协同显著性检测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于对象性和多层线性模型的协同显著性检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为合理有效整合图像m引导图像n的图像间显著值si\n\t\t\t\t\tm→nnter (i）和图像n本身的图像内显著性值，本文在高级语义层级对两阶段显著值进行必要地平滑和整合。引入了一个整合因子d，其定义了初始显著图和对象概率图的差异，采用了图像hu矩[14]的零阶矩、一阶不变矩和二阶不变矩。如表1所示，由于协同图像组中可能包含多个目标，即初始显著图和对象概率图可能含有多个连通区域，故用hu矩的零阶矩用来衡量不同轮廓或连通域的面积，hu矩的一阶不变矩用来衡量两类图像的重心，hu矩的二阶不变矩用来衡量两类图像的形状和方向。d表示初始显著图和对象概率图3个矩的平均差值，从3个方向约束显著性与目标性的统一，整合因子d平滑和优化了最终显著值，故最终结果为：