การปรับปรุงการวิเคราะห์แบบระดับบนโดเมนความถี่ด้วยตัวกรองเกาส์เซียนหลายระดับแบบปรับเหมาะสำหรับการตรวจจับบริเวณที่น่าสนใจของภาพ

Abstract

Saliency detection is a process to find a significant region on the images, which is popular in the image processing area. It has been extended and used in many applications in computer vision systems. Many researches have attempted to propose an effective model to detect the saliency area which is corresponding to human perception. Therefore, this research focuses on improving the saliency detection process by proposing the improved adaptive spectrum scale-space. The main contributions of the proposed method include (i) scale-and-space Gaussian filter and (ii) the new method for saliency map selection based on local entropy. Firstly, the Gaussian filter is used to suppress the non-saliency amplitude spectrum to extract the saliency map. Then, the best saliency map is selected from the results of the RGB and Lab color images by using the local entropy criteria. Then, the experimental results of the AUC overall performance of the proposed method are higher than that of the HFT, Itti, SAL, SR, Itti, and SUN methods, respectively. The saliency maps of the proposed method are closely corresponding to the ground truth labeled by humans.

การตรวจจับบริเวณที่น่าสนใจเป็นกระบวนการที่สำคัญโดยเฉพาะในการค้นหาบริเวณที่สำคัญบนภาพ ซึ่งเป็นที่นิยมในการประมวลผลภาพ การตรวจจับบริเวณที่น่าสนใจได้รับการปรับปรุงและประยุกต์ใช้งานในหลาย ๆ ด้านของระบบคอมพิวเตอร์วิทัศน์โดยคอมพิวเตอร์พยายามที่จะทำงาน เข้าใจหรือเลียนแบบการมองเห็นของมนุษย์ โดยมีงานวิจัยหลายงานพยายามปรับปรุงวิธีการตรวจจับเพื่อนำเสนอแบบจำลองที่มีประสิทธิภาพในการตรวจหาบริเวณที่มีความสำคัญที่สอดคล้องกับการรับรู้ของมนุษย์ ดังนั้น งานวิจัยนี้จึงมุ่งเน้นไปที่การพัฒนาและปรับปรุงกระบวนการตรวจจับบริเวณที่น่าสนใจของภาพให้ดีขึ้น โดยนำเสนอการปรับปรุงขนาดและพื้นที่ของตัวกรองสัญญาณเกาส์เซียนที่สามารถลดบริเวณที่ไม่สนใจออกจากพื้นที่ของบริเวณที่น่าสนใจได้ ส่งผลให้บริเวณที่น่าสนใจของภาพปรากฏเด่นชัดขึ้น รวมถึงมีการใช้เกณฑ์เอนโทรปีแบบท้องถิ่นเพื่อเลือกภาพบริเวณที่น่าสนใจที่ได้จากปริภูมิสี RGB และ Lab ที่มีเหมาะสมมากขึ้น จากผลการทดลองแสดงให้เห็นว่าประสิทธิภาพของวิธีการตรวจจับบริเวณที่น่าสนใจของภาพในงานวิจัยนี้มีประสิทธิภาพค่า AUC โดยรวมที่ดีกว่าวิธีการตรวจจับบริเวณที่น่าสนใจของภาพแบบอื่น ๆ ได้แก่ วิธีการของ HFT, Itti, SAL, SR และ SUN ตามลำดับ และภาพผลลัพธ์ของวิธีการตรวจจับบริเวณที่น่าสนใจของภาพในงานวิจัยนี้มีความใกล้เคียงกับภาพเฉลยที่มนุษย์สร้างขึ้นอีกด้วย