استخراج موثر نقشه برجستگی تصویر با استفاده از تقویت تباین رنگ و بافت غالب

در این مطالعه، الگوریتمی موثر و کارآمد برای تشخیص نقشه برجستگی تصویر بر اساس مدل سازی پاسخ سریع سیستم بینایی انسان به تغییرات شدت روشنائی، بافت و رنگ ارائه شده است. برخی موارد مانند الهام گرفتن از عملکرد سیستم بینایی انسان، عدم نیاز به آموزش، کاهش تعداد رنگ، کاهش کانال های رنگی و استفاده صحیح از حداقل اطلاعات بافت در االگوریتم باعث افزایش کارایی آن شده است. در روش پیشنهادی در مرحله اول، با توجه به حساسیت سیستم بینایی انسان به سیگنال های با کنتراست بالاتر، فقط کانال با کنتراست بالاتر برای استخراج نقشه برجستگی رنگ استفاده و سپس با استفاده از مولفه شدت روشنایی در فضای رنگ lab و با استفاده از مدل محاسباتی سلول ساده کورتکس بینایی نقشه برجستگی شدت روشنائی و نقشه برجستگی بافت استخراج می شوند. در نهایت، با ترکیب نقشه های برجستگی رنگ، شدت روشنائی و بافت، نقشه برجستگی به دست می آید. روش پیشنهادی و روش های موجود برروی پایگاه داده های msra10k و ecssd آزمایش شده است. نتایج پیاده سازی ها نشان می دهد که الگوریتم ترکیبی پیشنهادی برای تشخیص نقشه برجستگی با استفاده از ویژگی های رنگ و بافت غالب، در پایگاه داده ecssd به ترتیب دارای میانگین خطای مطلق، امتیاز معیار f و سطح زیر منحنی roc ، 0.173 ، 0.789 و 0.891 و در پایگاه داده msra10k به ترتیب 0.178، 0.790 و 0.919 است که در مقایسه با سایر مدل ها بیانگر عملکرد بهتر روش پیشنهادی نسبت  به سایر روش ها است.

effective visual saliency detection method using reduced color and texture features

in this study, an effective and efficient algorithm for detection a saliency map is presented based on the modeling of the rapid response of the human visual system to changes in the intensity, texture and color. some cases such as inspiration from performance of human visual system, requiring no training, reduce number of image colors, reduce color channels and proper use of the least texture information in this algorithm have increased its efficiency. in the proposed method in the first step , due to sensitivity of the human visual system to higher contrast signals, only higher contrast channel has been used to extract the color saliency map, then the intensity saliency map as well as the texture saliency map are extracted using the intensity component in lab color space using simple cell computational model of the visual cortex and finally, with the perfect combination of the saliency maps of the color, the intensity, and the texture, object saliency map is obtained. the proposed method and existing methods have been tested on msra10k and ecssd databases. the results of the implementations show that the proposed hybrid algorithm for the detection saliency map using the dominant color and texture features, on the ecssd database, the mean absolute error, f measure score and the area under the roc curve are 0.173, 0.789 and 0.891, respectively, and on the msra10k database are 0.178, 0.790 and 0.919, respectively, compared to other models, it indicates better performance of the proposed method than other methods.