This thesis deals with the salient object detection model for natural images by combining color contrast, location, contour and color spatial compactness prior to detect attention-grabbing objects. All priors are computed in region-based approach by performing quantized color-based segmentation. Color contrast of a region is computed from the distance between average color in a region and the average color of image, location prior is measured based on relative distance to center of image, contour prior is determined by finding the area inside strong contour and color spatial compactness prior is computed from variance of spatial position of certain color. In the implementation of proposed model, location, contour and color spatial compactness prior is firstly summed together as initial saliency prior before being multiplied with the contrast prior in multiscale computation.
In the experimental evaluation, we demonstrate the salient object detection of proposed model on 1000 images in ASD dataset. By putting the location prior as the baseline, we show the contribution of color spatial compactness and contour prior in improving the saliency detection. Then, based on the precision and recall rates, F-measure and mean absolute error, we show that the proposed model outperforms the state-of-the-art approaches. Moreover, the result obtained through initial saliency prior is closer to ground truth compare to that of the state-of-the-art models.
본 논문은 보통 영상에서 시각적으로 주의를 끌어내는 물체를 자동으로 검출해내기 위한 다중스케일(multi-scale)에서 사전정보(prior)와 색차정보(contrast)를 조합하는 방법을 사용하는 관심 영역 검출 방법을 소개한다. 관심 영역 검출을 픽셀 단위로 처리하는 과정은 상당히 긴 연산 시간을 요구하기 때문에, 사전정보와 색차정보의 연산은 픽셀이 아닌 구간 단위로 연산을 하는 방법을 택하였다. 사전정보는 물체의 위치, 색깔 분포와 윤곽 정보를 조합하여 설계되었으며 색차정보는 전체 영상의 평균 픽셀 값과 영상의 작은 구간들 간의 색차를 계산함으로써 얻어진다. 마지막으로 다중스케일에서 사전정보와 색차정보를 조합하였다.
실험 결과, 다중스케일에서 관심 영역 검출을 하였을 때 precision과 recall의 수치는 스케일의 개수에 따라 증가한다는 결론이 나왔다. 또한 사전정보를 이용한 관심 영역 검출 부분을 실험한 결과 위치정보, 색깔 분포와 윤곽 정보 3가지를 조합한 방법이 각각 또는 2가지를 조합한 방법보다 결과가 좋게 나타났다. 마지막으로, 4개의 스케일로 ASD dataset의 1000장 영상에 대해서 실험을 진행한 결과, 얻어지는 precision과 recall 수치, 그리고 F-measure와 절대 평균 에러(mean absolute error)수치가 현존하는 방법보다 우수한 성능을 보여주었다. 그리고 색차정보만을 이용한 관심 영역 검출 방법 또한 현존하는 방법과 대등하거나 우수한 성능을 나타내었다.
