TY -的A2 - Lu,惠民AU - Chen Yuantao AU -道,Jiajun盟,张黔AU -杨,凯盟——陈,Xi盟——熊,杰盟——夏,Runlong AU -谢,镜泊湖PY - 2020 DA - 2020/05/05 TI -卓越通过改进的层次主成分分析检测方法SP - 8822777六世- 2020 AB -针对密集的背景噪音的问题,精度低,和高计算复杂度当前重要的对象检测方法,提出了一种基于层次主成分分析(HPCA)的视觉显著性检测算法。首先将原始RGB图像转换为灰度图像，并利用比特表面分层技术将原始灰度图像分割为8层。每个图像层包含与该层图像特征匹配的重要目标信息。其次，以原始图像的颜色结构作为参考图像，通过灰度变换方法对灰度图像进行重新分配，使分层图像既反映了原始图像的结构特征，又有效地保留了原始图像的颜色特征。第三，对分层图像进行主成分分析(PCA)，得到各层图像在主成分方向上的结构差异特征和颜色差异特征。第四，结合两个特征得到具有高鲁棒性的显著性图，进一步细化结果;已知先验已被纳入到图像组织中，可将照片的主体置于图像中心附近。最后，利用熵值计算从层次显著性图中确定最优图像;最优映射具有最少的背景信息和最突出的突出物。 The object detection results of the proposed model are closer to the ground truth and take advantages of performance parameters including precision rate (PRE), recall rate (REC), and F 测量(FME)。HPCA模型的结论可以明显减少冗余信息的干扰，有效地分离出显著性目标。与此同时，该算法的检测精度也有较大提高。SN - 1530-8669 UR - https://doi.org/10.1155/2020/8822777 DO - 10.1155/2020/8822777 JF -无线通信和移动计算PB - Hindawi KW - ER -