全局颜色对比显著性目标检测：优于现有算法的高效多目标检测方法

本文研究了一种基于全局颜色对比的显著性目标检测算法，旨在解决在显著性图中准确检测多个显著性目标的问题。该算法首先通过分析图像的整体色彩差异，即全局颜色对比度特征来提取关键信息。这种方法利用了颜色对比度在区分显著对象与背景之间的有效性。 算法的核心步骤包括：首先，对输入图像进行全局颜色对比度特征的提取，这一步有助于捕捉图像中的视觉特性，使得算法能够理解哪些区域在视觉上更为突出。接着，将显著性图和全局颜色对比度特征整合到条件随机场（Conditional Random Field，CRF）框架中。CRF是一种概率模型，用于建模数据依赖关系，这里用于优化显著性图的二值掩模，以便更精确地定位显著性目标。 在CRF框架下，算法能够考虑到局部和全局的上下文信息，从而提高检测的准确性。之后，区域描绘子被用来计算包含显著性目标的最小外接矩形，进一步明确了目标的边界和位置。这种策略确保了检测结果不仅在精度（Precision）、召回率（Recall）以及F-测度（F-measure，结合精度和召回率的综合评价指标）方面表现出色，而且在计算效率上也有所提升。 实验结果显示，相比于现有的一些显著性目标检测算法，该算法在性能上取得了显著优势，特别是对于多目标检测任务。这意味着它在实际应用中，如图像分析、计算机视觉、视频监控等领域具有很大的潜力。 论文的研究者们来自华南理工大学电子与信息学院和华南师范大学信息工程与技术系，他们分别是讲师杨军、教授林土胜和副教授肖应旺，他们的研究领域分别涉及图像处理、模式识别、生物特征识别和工业过程控制。这篇论文是在国家自然科学基金项目的资助下完成的，发表在２０１４年的一期期刊上，并获得了良好的学术评价。 该研究提供了一种创新的显著性目标检测方法，不仅提高了检测的准确性，还提高了处理效率，对于计算机视觉领域的多目标检测问题具有实用价值。