图像显著性检测算法

MATLAB实现的基于图和流形排名的图像显著性检测算法，

% Demo for paper “Saliency Detection via Graph-based Manifold Ranking“ 
% by Chuan Yang Lihe Zhang Huchuan Lu Ming-Hsuan Yang and Xiang Ruan
% To appear in Proceedings of IEEE Conference on Computer Vision and Pattern Recognition （CVPR 2013） Portland June 2013.

clear all;
addpath（‘./others/‘）;
%%------------------------set parameters---------------------%%
theta=10; % control the edge weight 
alpha=0.99;% control the balance of two items in manifold ranking cost function
spnumber=200;% superpixel number
imgRoot=‘./test/‘;% test image path
saldir=‘./saliencymap/‘;% the output path of the saliency map
supdir=‘./superpixels/‘;% the superpixel label file path
mkdir（supdir）;
mkdir（saldir）;
imnames=dir（[imgRoot ‘*‘ ‘jpg‘]）;

for ii=1:length（imnames）   
    disp（ii）;
    imname=[imgRoot imnames（ii）.name]; 
    [input_imw]=removeframe（imname）;% run a pre-processing to remove the image frame 
    [mnk] = size（input_im）;

%%----------------------generate superpixels--------------------%%
    imname=[imname（1:end-4） ‘.bmp‘];% the slic software support only the ‘.bmp‘ image
    comm=[‘SLICSuperpixelSegmentation‘ ‘ ‘ imname ‘ ‘ int2str（20） ‘ ‘ int2str（spnumber） ‘ ‘ supdir];
    system（comm）;    
    spname=[supdir imnames（ii）.name（1:end-4）  ‘.dat‘];
    superpixels=ReadDAT（[mn]spname）; % superpixel label matrix
    spnum=max（superpixels（:））;% the actual superpixel number

%%----------------------design the graph model--------------------------%%
% compute the feature （mean color in lab color space） 
% for each node （superpixels）
    input_vals=reshape（input_im m*n k）;
    rgb_vals=zeros（spnum13）;
    inds=cell（spnum1）;
    for i=1:spnum
        inds{i}=find（superpixels==i）;
        rgb_vals（i1:）=mean（input_vals（inds{i}:）1）;
    end  
    lab_vals = colorspace（‘Lab<-‘ rgb_vals）; 
    seg_vals=reshape（lab_valsspnum3）;% feature for each superpixel
 
 % get edges
    adjloop=AdjcProcloop（superpixelsspnum）;
    edges=[];
    for i=1:spnum
        indext=[];
        ind=find（adjloop（i:）==1）;
        for j=1:length（ind）
            indj=find（adjloop（ind（j）:）==1）;
            indext=[indextindj];
        end
        indext=[indextind];
        indext=indext（（indext>i））;
        indext=unique（indext）;
        if（~isempty（indext））
            ed=ones（length（indext）2）;
            ed（:2）=i*ed（:2）;
            ed（:1）=indext;
            edges=[edges;ed];
        end
    end

% compute affinity matrix
    weights = makeweights（edgesseg_valstheta）;
    W = adjacency（edgesweightsspnum）;

% learn the optimal affinity matrix （eq. 3 in paper）
    dd = sum（W）; D = sparse（1:spnum1:spnumdd）; clear dd;
    optAff =（D-alpha*W）\eye（spnum）; 
    mz=diag（ones（spnum1））;
    mz=~mz;
    optAff=optAff.*mz;
  
%%-----------------------------stage 1--------------------------%%
% compute the saliency value for each superpixel 
% with the top boundary as the query
    Yt=ze

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5123  2013-04-06 11:11  显著性检测算法\demo.m

     文件       2101  2003-08-22 05:43  显著性检测算法\others\adjacency.m

     文件       1052  2013-04-03 16:31  显著性检测算法\others\AdjcProcloop.m

     文件      14019  2006-08-13 18:29  显著性检测算法\others\colorspace.m

     文件        215  2013-03-05 19:16  显著性检测算法\others\makeweights.m

     文件       2365  2003-08-22 05:43  显著性检测算法\others\normalize.m

     文件        441  2013-03-05 18:58  显著性检测算法\others\ReadDAT.m

     文件       1256  2013-03-28 20:17  显著性检测算法\others\removeframe.m

     文件       1924  2013-04-03 17:48  显著性检测算法\readme.txt

     文件     192512  2012-11-28 16:12  显著性检测算法\SLICSuperpixelSegmentation.exe

     目录          0  2013-07-07 18:27  显著性检测算法\others

     目录          0  2013-07-07 18:27  显著性检测算法

----------- ---------  ---------- -----  ----

               221008                    12