[發明專利]一種基于低秩表示的復雜背景圖像顯著性檢測方法在審
| 申請號: | 201810363359.3 | 申請日: | 2018-04-21 | 
| 公開(公告)號: | CN108734174A | 公開(公告)日: | 2018-11-02 | 
| 發明(設計)人: | 于純妍;宋梅萍;岑鹍;王春陽;張建祎 | 申請(專利權)人: | 大連海事大學 | 
| 主分類號: | G06K9/46 | 分類號: | G06K9/46 | 
| 代理公司: | 大連至誠專利代理事務所(特殊普通合伙) 21242 | 代理人: | 楊威;涂文詩 | 
| 地址: | 116000 遼*** | 國省代碼: | 遼寧;21 | 
| 權利要求書: | 查看更多 | 說明書: | 查看更多 | 
| 摘要: | |||
| 搜索關鍵詞: | 顯著性 低秩 復雜背景圖像 背景目標 稀疏 分辨能力 矩陣分解 距離約束 目標信息 圖像檢測 先驗知識 檢測 可用 權重 融合 | ||
1.一種基于低秩表示的復雜背景圖像顯著性檢測方法,其特征在于,包括以下步驟:
步驟S1:利用超像素分割方法對輸入圖像進行分割,分割后的輸入圖像由n塊不重疊的超像素P={P1,P2,…,Pn}組成,對分割后的輸入圖像進行特征提取得到特征矩陣F;
步驟S2:構建分割后的輸入圖像的圖結構G,并通過譜聚類方法獲得圖結構G的稀疏子圖N;
步驟S3:定義并求解SDSC低秩模型,通過權重的形式將先驗知識融入到SDSC低秩模型中,SDSC低秩模型為:
步驟S4:利用步驟S3中計算得到的稀疏矩陣S計算各個超像素的顯著值:
Sal(Pj)=||Sj||1
在以上步驟中,n為輸入圖像超像素的個數,L為低秩矩陣,S為稀疏矩陣,Ni表示稀疏子圖N中的第i塊稀疏子圖塊,是矩陣S的子矩陣,與稀疏子圖塊Ni相對應,ωi代表稀疏子圖塊Ni是顯著目標的先驗概率,α為模型參數,為矩陣核范數,為p范數,1≤p<∞。
2.根據權利要求1所述的方法,其特征在于,所述步驟S1中,對輸入圖像進行特征提取包括提取包括RGB顏色、飽和度與色度的顏色特征;利用Gabor filter濾波器對3通道的4個方向提取紋理特征;利用Steerable pyramids濾波器對3通道的4個方向進行濾波,提取邊緣特征。
3.根據權利要求1所述的方法,其特征在于,所述步驟S3中,ωi先驗知識包括位置先驗、顏色先驗和背景先驗。
4.根據權利要求1所述的方法,其特征在于,所述步驟S3中,對于第j個超像素Pj,其先驗知識為τj∈[0,1],代表著超像素Pj是顯著目標的概率是τj,則稀疏子圖塊Ni的先驗概率為:
ωi=1-max({τj:Pj∈Ni})。
5.根據權利要求1所述的方法,其特征在于,所述步驟S3中,求解SDSC低秩模型的方法為交替方向乘子法,包括以下步驟:
步驟S31:輸入參數,包括特征矩陣F、模型參數α、稀疏子圖N以及稀疏子圖塊Ni的先驗概率ωi;
步驟S32:初始化計算,定義循環變量k=0,過程參數L0=0,S0=0,Y0=0,μ0=0.1,μmax=1010,ρ=1.1,收斂判據ε;
步驟S33:如果||F-Lk-Sk||p>ε,則進入步驟S34,否則進入步驟S35;
步驟S34:依次進行以下計算:
Lk+1=argminLL(L,Sk,Yk,μk)
Sk+1=argminSL(Lk+1,S,Yk,μk)
Yk+1=Yk+μk(F-Lk+1-Sk+1)
μk+1=min(μk,ρμk)
k=k+1
完成計算后返回步驟S33;
步驟S35:當前的Lk,Sk為計算結果。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于大連海事大學,未經大連海事大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810363359.3/1.html,轉載請聲明來源鉆瓜專利網。





