[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

本發明公開了一種基于低秩表示的復雜背景圖像顯著性檢測方法。通過在低秩顯著性模型中增加稀疏子圖間的距離約束，增大顯著性目標與背景目標的差距，稀疏子圖中融合先驗知識權重，從而在矩陣分解時增強顯著性目標信息。本發明可提高顯著性目標與背景目標的分辨能力，可用于大面積顯著性目標及背景復雜的圖像檢測。

技術領域

本發明涉及圖像顯著性檢測領域，更具體地，涉及一種基于低秩表示的復雜背景圖像顯著性檢測方法。

背景技術

圖像顯著性檢測的標準是能夠突出最為顯著的物體，一致的高亮整個顯著物體，能精確符合物體的邊界，同時具有較高的抗噪性。

低秩表示是一種能夠捕獲圖像數據低維結構的方法，假設圖像的背景特征屬于同一低維子空間，而將較小尺寸的顯著性目標看成是稀疏噪聲，因此利用低秩矩陣恢復算法可以將圖像的特征矩陣分解為低秩矩陣和稀疏矩陣。

近期出現了一些基于低秩矩陣恢復的顯著性檢測算法。基于低秩表示的顯著性檢測方法在應用中能夠取得成功，但仍有不足之處，特別是當圖像中的顯著目標大小不一致并受到復雜背景影響時，現有的檢測方法易受到紛亂的顏色、復雜的表面紋理及多變背景的影響。

發明內容

本發明的目的在于通過譜聚類實現稀疏子圖劃分，增加稀疏子圖約束項增強顯著特征的空間結構信息，添加圖像先驗知識融合進一步提高檢測能力，并通過低秩矩陣分解得到顯著目標矩陣，最終計算出圖像的顯著圖。

為實現上述目的，本發明的技術方案如下：

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,…,P_n}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(Saliency Detection based on low rankrepresentation with Subgraph Constraint)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(P_j)＝||S_j||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，N_i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N_i相對應，ω_i代表稀疏子圖塊N_i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<∞。

進一步地，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。

進一步地，所述步驟S3中，ω_i先驗知識包括位置先驗、顏色先驗和背景先驗。

進一步地，所述步驟S3中，對于第j個超像素P_j，其先驗知識為τ_j∈[0,1]，代表著超像素P_j是顯著目標的概率是τ_j，則稀疏子圖塊N_i的先驗概率為：