[发明专利]图像检测方法及装置

权利要求书

1.一种图像检测方法，其特征在于，包括：

根据待检测图像的底层特征，利用预设模型获取所述待检测图像的目标先验数据；

通过低秩矩阵分解对所述待检测图像的底层特征进行处理，得到目标特征及背景冗余信息；

根据所述目标先验数据对所述待检测图像中的目标特征及背景特征按照监督信息方向分离，得到初步图像目标；

利用优化中智学算法对所述初步图像目标进行优化，得到图像目标以完成图像检测，所述优化中智学算法是对中智学理论重新数学公式定义得到的；

在所述利用优化中智学算法对所述初步图像目标进行优化，得到图像目标以完成图像检测之前，所述方法还包括：

对所述中智学理论进行重新定义，得优化中智学算法公式，其中，所述优化中智学算法公式为：

其中，ω,δ和γ,ζ控制曲线的陡峭程度；f(x_i,x_j)表示相似函数；g(x_j)代表待处理图像的数据；

优化后融合公式定义为

其中，w_i,j表示图像的像素间的权重值。

2.根据权利要求1所述的方法，其特征在于，在所述根据待检测图像的底层特征，利用预设模型获取所述待检测图像的目标先验数据之前，所述方法还包括：

对所述待检测图像进行底层特征提取，其中，所述待检测图像的底层特征包括颜色特征、局部信息熵、引导滤波、梯度及位置特征；所述颜色特征是基于L*a*b*颜色空间的三个颜色分量和颜色体积确定的。

3.根据权利要求1所述的方法，其特征在于，所述预设模型包括前景模型及背景模型；

所述根据待检测图像的底层特征，利用预设模型获取所述待检测图像的目标先验数据，包括：

通过所述前景模型从所述底层特征中提取像素级的目标特征；

通过所述背景模型从所述底层特征中提取超像素级的目标特征；

将所述像素级的目标特征及超像素级的目标特征进行融合，得到所述目标先验数据。

4.根据权利要求1所述的方法，其特征在于，所述通过低秩矩阵分解对所述待检测图像的底层特征进行处理，得到目标特征及背景冗余信息包括：

通过低秩矩阵对所述待检测图像的底层特征进行分解，得到保持特征信息的目标特征矩阵S及冗余信息矩阵L；

根据预设迭代算法对所述目标特征矩阵S及冗余信息矩阵L进行迭代计算，得到目标特征及冗余信息；

其中，所述预设迭代算法的公式为：

S^t+1＝(I-μW^-1)·S^t+η·(diag(L·(1-P_s))+diag(W·S^t))*diag(P_s·S^t)^-1

其中S表示目标特征矩阵，L表示图像冗余信息矩阵；W表示超像素权重矩阵；P_s表示目标先验知识；μ表示损失系数；η表示调整系数。