Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Competitive Combat Strategy and Tactics in RTS Games AI and StarCraft Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Stereo Saliency Analysis Based on Disparity Influence and Spatial Dissimilarity

verfasst von : Lijuan Duan, Fangfang Liang, Wei Ma, Shuo Qiu

Erschienen in: Advances in Multimedia Information Processing – PCM 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper presents a simple approach for detecting salient regions in stereo images. The approach computes saliency by considering three factors: disparity influence, central bias and spatial dissimilarity. Firstly, an image is split into equal-sized patches to be down-sampled. Next, disparity influence is estimated based on the disparity map. Besides, central bias value is assigned to every patch and spatial dissimilarity is measured between patches in reduced dimensional space. Thereafter, the product of all factors extracted from the image is computed. Finally, through a process of normalization, the saliency map is obtained. In the experiments four state-of-the-art methods are used for comparison with PSU stereo saliency benchmark dataset (SSB). The experimental results show that our method has better performance than the others for stereo salient region detection.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Group Burstiness Weighting for Image Retrieval
Nächstes Kapitel Object Classification of Remote Sensing Images Based on Rotation-Invariant Discrete Hashing
Literatur
1.
Achanta, R., Hemami, S.S., Estrada, F.V., Susstrunk, S.: Frequency-tuned salient region detection, pp. 1597–1604 (2009)
2.
Achanta, R., Susstrunk, S.: Saliency detection for content-aware image resizing, pp. 1005–1008 (2009)
3.
Bruce, N.D.B., Tsotsos, J.K.: Saliency based on information maximization, pp. 155–162 (2005)
4.
Cheng, M., Mitra, N.J., Huang, X., Torr, P.H.S., Hu, S.: Global contrast based salient region detection. IEEE Trans. Pattern Anal. Mach. Intell. 37(3), 569–582 (2015)CrossRef
5.
Koch, C.: Biophysics of Computation: Information Processing in Single Neurons. Oxford University Press, New York (1999)
6.
Desingh, K., Madhava Krishna, K., Rajan, D., Jawahar, C.V.: Depth really matters: improving visual salient region detection with depth (2013)
7.
Duan, L., Wu, C., Miao, J., Qing, L., Fu, Y.: Visual saliency detection by spatially weighted dissimilarity, pp. 473–480 (2011)
8.
Gao, D., Mahadevan, V., Vasconcelos, N.: The discriminant center-surround hypothesis for bottom-up saliency, pp. 497–504 (2007)
9.
Goferman, S., Zelnikmanor, L., Tal, A.: Context-aware saliency detection, pp. 2376–2383 (2010)
10.
Gopalakrishnan, V., Hu, Y., Rajan, D.: Salient region detection by modeling distributions of color and orientation. IEEE Trans. Multimed. 11(5), 892–905 (2009)CrossRef
11.
12.
Harel, J., Koch, C., Perona, P.: Graph-based visual saliency, pp. 545–552 (2006)
13.
Hou, X., Zhang, L.: Saliency detection: a spectral residual approach, pp. 1–8 (2007)
14.
Huang, T., Tian, Y., Li, J., Yu, H.: Salient region detection and segmentation for general object recognition and image understanding. Sci. China Ser. F Inf. Sci. 54(12), 2461–2470 (2011)MathSciNetCrossRef
15.
Huang, Z., He, F., Cai, X., Zou, Z., Liu, J., Liang, M., Chen, X.: Efficient random saliency map detection. Sci. China Ser. F Inf. Sci. 54(6), 1207–1217 (2011)CrossRef
16.
Itti, L., Koch, C., Niebur, E.: A model of saliency-based visual attention for rapid scene analysis. IEEE Trans. Pattern Anal. Mach. Intell. 20(11), 1254–1259 (1998)CrossRef
17.
Judd, T., Ehinger, K.A., Durand, F., Torralba, A.: Learning to predict where humans look, pp. 2106–2113 (2009)
18.
Kanatani, K.: Geometric information criterion for model selection. Int. J. Comput. Vis. 26(3), 171–189 (1998)CrossRef
19.
20.
Li, J., Tian, Y., Huang, T., Gao, W.: Cost-sensitive rank learning from positive and unlabeled data for visual saliency estimation. IEEE Signal Process. Lett. 17(6), 591–594 (2010)CrossRef
21.
Li, J., Tian, Y., Huang, T., Gao, W.: Probabilistic multi-task learning for visual saliency estimation in video. Int. J. Comput. Vis. 90(2), 150–165 (2010)CrossRef
22.
Li, Z.: A saliency map in primary visual cortex. Trends Cognit. Sci. 6(1), 9–16 (2002)CrossRef
23.
Li, Z., Fang, T., Huo, H.: A saliency model based on wavelet transform and visual attention. Sci. China Ser. F Inf. Sci. 53(4), 738–751 (2010)CrossRef
24.
Liu, C., Yuen, J., Torralba, A.: Sift flow: dense correspondence across scenes and its applications. IEEE Trans. Pattern Anal. Mach. Intell. 33(5), 978–994 (2011)CrossRef
25.
Margolin, R., Zelnikmanor, L., Tal, A.: Saliency for image manipulation. Vis. Comput. 29(5), 381–392 (2013)CrossRef
26.
Niu, Y., Geng, Y., Li, X., Liu, F.: Leveraging stereopsis for saliency analysis, pp. 454–461 (2012)
27.
28.
Seo, H.J., Milanfar, P.: Static and space-time visual saliency detection by self-resemblance. J. Vis. 9(12), 15 (2009)CrossRef
29.
Tatler, B.W.: The central fixation bias in scene viewing: selecting an optimal viewing position independently of motor biases and image feature distributions. J. Vis. 7(14), 4 (2007)CrossRef
30.
Tatler, B.W., Baddeley, R., Gilchrist, I.D.: Visual correlates of fixation selection: effects of scale and time. Vis. Res. 45(5), 643–659 (2005)CrossRef
31.
Treisman, A., Gelade, G.A.: A feature-integration theory of attention. Cognit. Psychol. 12(1), 97–136 (1980)CrossRef
Metadaten
Titel
Stereo Saliency Analysis Based on Disparity Influence and Spatial Dissimilarity
verfasst von
Lijuan Duan
Fangfang Liang
Wei Ma
Shuo Qiu
Copyright-Jahr
2018
Buch
Advances in Multimedia Information Processing – PCM 2017

Print ISBN: 978-3-319-77382-7

Electronic ISBN: 978-3-319-77383-4

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-77383-4_25

Neuer Inhalt

    Bildnachweise