第6期 赵闰霞，等：基于Object Proposals并集的显著性检测模型 ·949· 大只其文负负 (a)原图(b)ground truth(c)SR (d)HC (e)FT (LC (g)GS (h)OUR 图3显著图的视觉效果对比图 Fig.3 Visual comparison of saliency maps 为了更全面地测试方法的性能，使用PR曲 1.0m 线、F-measure进一步与其他方法进行比较。 0.9 对于得到的显著图，设定阈值T∈[0,255]来 0.8 得到二值分割图，并与ground truth进行比较得 0.7 到准确率和召回率。除此之外，我们还记算了F measure衡量总体的检测效果， 0.5 F)Precisionx Recall 0.4 (11) 0.3 B2Precision+Recall 0.2 -OUR B取值为0.3。由图4~5可知，本文方法与 00.10.20.30.40.50.60.70.80.91.0 recall SR、HC、FT、LC相比，准确率和召回率、F-measure 都有很大提升。与GS相比，由图5可以看出，在 图5正确率-召回率曲线 召回率相同时，大部分情况下我们的方法准确率 Fig.5 Precision-recall curves 更高，也存在小部分结果其准确率微低于G$,但 4结束语 从图4也能够看出在平均情况下，无论是准确 度、召回率还是F-measure,本文方法均略高于GS。 本文提出的基于Object Proposals并集的显著 0.9 性检测模型，首先利用Object Proposals计算背景 0.8 图，然后将纹理和全局对比度结合进行显著性检 0.7 测，最后利用背景图抑制背景区域得到最终显著 图。实验结果表明，本文提出的显著性检测模型 取得了较好的效果。 0.2 参考文献： [1]王超，王浩，王伟，等.基于优化ROI的医学图像分割与 SR HC FT LC GS OUR 压缩方法研究).重庆邮电大学学报：自然科学版，2015， 方法 27(2):279-284 图4统计指标的对比结果 WANG Chao.WANG Hao.WANG Wei.et al.Study of Fig.4 Quantitative comparison results optimized ROI based medical image segmentation and为了更全面地测试方法的性能，使用 PR 曲 线、F-measure 进一步与其他方法进行比较。 对于得到的显著图，设定阈值 Tf∈[0，255]来 得到二值分割图，并与 ground truth 进行比较得 到准确率和召回率。除此之外，我们还记算了 F￾measure 衡量总体的检测效果， Fβ = ( 1+β 2 ) Precision×Recall β 2Precision+Recall (11) β 2 取值为 0.3。由图 4～5 可知，本文方法与 SR、HC、FT、LC 相比，准确率和召回率、F-measure 都有很大提升。与 GS 相比，由图 5 可以看出，在 召回率相同时，大部分情况下我们的方法准确率 更高，也存在小部分结果其准确率微低于 GS，但 从图 4 也能够看出在平均情况下，无论是准确 度、召回率还是 F-measure，本文方法均略高于 GS。 4 结束语 本文提出的基于 Object Proposals 并集的显著 性检测模型，首先利用 Object Proposals 计算背景 图，然后将纹理和全局对比度结合进行显著性检 测，最后利用背景图抑制背景区域得到最终显著 图。实验结果表明，本文提出的显著性检测模型 取得了较好的效果。 参考文献： 王超, 王浩, 王伟, 等. 基于优化 ROI 的医学图像分割与 压缩方法研究[J]. 重庆邮电大学学报: 自然科学版, 2015, 27(2): 279–284. WANG Chao, WANG Hao, WANG Wei, et al. Study of optimized ROI based medical image segmentation and [1] (a) 原图 (b) ground truth (c) SR (d) HC (e) FT (f) LC (g) GS (h) OUR 图 3 显著图的视觉效果对比图 Fig. 3 Visual comparison of saliency maps 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 Precision Recall F-measure SR HC FT LC GS OUR 数值 方法 图 4 统计指标的对比结果 Fig. 4 Quantitative comparison results 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 精度 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 recall SR HC FT LC GS OUR 图 5 正确率–召回率曲线 Fig. 5 Precision-recall curves 第 6 期 赵闰霞，等：基于 Object Proposals 并集的显著性检测模型 ·949·