第44卷第4期兵器装备工程学报2023年4■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■月收稿日期:2022－08－25;修回日期:2023－01－16基金项目:贵州省基础研究计划(自然科学)项目(黔科合基础-ZK［2022］一般526;黔科合基础－ZK［2021］一般245);国家自然科学基金项目(11464023);凯里学院博士专项课题(BS202004)作者简介:谭永前(1984—)，男(苗族)，硕士，副教授，CCF会员，E-mail:tanyongqian1@163．com。通信作者:曾凡菊(1986—)，女(土族)，博士，教授，E-mail:z-f-j-1@163．com。doi:10．11809/bqzbgcxb2023．04．036基于凸包计算和小波变换的显著目标检测算法谭永前1，曾凡菊1，2(1．凯里学院大数据工程学院，贵州凯里556011;2．重庆大学光电工程学院，重庆400044)摘要:针对传统显著性检测算法存在显著性区域检测不准确、区域亮度不高以及不能有效抑制背景干扰等问题，提出了一种基于凸包计算和小波变换的显著目标检测算法(CHWT)。首先，在ＲGB、Lab、HSV空间分别对输入图像进行凸包计算，得到凸包交集，并对凸包交集进行二值化掩膜;其次，在多个尺度下对输入图像进行超像素分割，并利用MＲ(manifoldranking)算法得到多个尺度下的显著图，融合多个尺度下的显著图，并与凸包交集二值化掩膜进行贝叶斯融合获得多尺度超像素凸包显著图;最后，利用小波变换对输入图像的离散余弦变换(DCT)系数幅度谱进行多尺度分解，计算得到多尺度小波变换显著图，并与多尺度超像素凸包显著图进行线性融合获得最终显著图。在MSＲA-10k、ECSSD和HKU-IS数据集上与其他6种现有算法进行了实验对比，实验结果表明:所提CHWT算法在准确率－召回率曲线(PＲ曲线)、算法综合指标(F-Measure)、平均绝对误差(MAE)和结构测量(SM)指标上优于其他算法，所提算法表现出更好的稳定性和鲁棒性。关键词:显著性检测;超像素分割;凸包计算;小波变换;多尺度本文引用格式:谭永前，曾凡菊．基于凸包计算和小波变换的显著目标检测算法［J］．兵器装备工程学报，2023，44(4):252－261．Citationformat:TANYongqian，ZENGFanju．Asalientobjectdetectionalgorithmbasedonconvexhullcalculationandwavelettransform［J］．JournalofOrdnanceEquipmentEngineering，2023，44(4):252－261．中图分类号:TJ06;TP391．41文献标识码:A文章编号:2096－2304(2023)04－0252－10Asalientobjectdetectionalgorithmbasedonconvexhullcalculationandwavelettr...
