Salient region detection is a process of extracting a visually attractive region from a single image. In this paper, we present a novel method for automatically detecting salient region with discriminative color transform dictionary. The key assumption of the proposed framework is that the saliency map can be represented as a linear combination of color components of an image. To find a set of optimal coefficients for this linear combination, we incorporate least squares with constructing color transform dictionary, which includes multiple powers of color components in RGB and CIELab color space. In addition, we refine the saliency map by solving sparse representation problem with local dictionary, which is intended to enhance the compactness of the salient region in the saliency map. Experimental results show that the proposed method provides the saliency maps of two benchmark datasets with better quality and improved performance, compared to the previous state-of-the-art techniques.
관심영역 검출(saliency detection)은 영상에서 시각적으로 주목도가 높은 부분을 계산적으로 찾아내는 기술로서 영상의 자동 분할 및 자동 객체 인식의 사정 과정으로써 그 중요성이 높은 기술이며 최근 웹 영상 검색 등에서 영상의 자동 분할 기법이 주목 받으면서 영상에서의 자동 관심영역 검출 역시 활발하게 연구되고 있다. 이 연구는 관심 영역 영상은 테스트 영상의 색상 성분의 선형 조합을 통해 효과적으로 나타낼 수 있다는 데에 있다. 이 선형 조합의 계수를 찾기 위해, 우리는 RGB와 CIELab 색 공간의 지수변환 된 영상들을 포함하는 색상 변환 사전을 만든 후 최소자승법(Least-Squares)을 이용해 계수를 찾는 방법을 제안한다. 그 후 영상의 조밀도를 고려하여 로컬 사전과 희소 분해(Sparse Decomposition)를 통해 관심 영역 영상의 성능을 개선시킨다. 두 가지의 데이터셋을 이용해 실험을 수행한 결과 제안된 방법이 현재까지 제안된 방법과 비교했을 때 더 우수하다는 결론이 나왔다.
