[发明专利]一种基于低秩表示的复杂背景图像显著性检测方法

摘要

本发明公开了一种基于低秩表示的复杂背景图像显著性检测方法。通过在低秩显著性模型中增加稀疏子图间的距离约束，增大显著性目标与背景目标的差距，稀疏子图中融合先验知识权重，从而在矩阵分解时增强显著性目标信息。本发明可提高显著性目标与背景目标的分辨能力，可用于大面积显著性目标及背景复杂的图像检测。

主权项

1.一种基于低秩表示的复杂背景图像显著性检测方法，其特征在于，包括以下步骤：步骤S1：利用超像素分割方法对输入图像进行分割，分割后的输入图像由n块不重叠的超像素P＝{P1,P2,…,Pn}组成，对分割后的输入图像进行特征提取得到特征矩阵F；步骤S2：构建分割后的输入图像的图结构G，并通过谱聚类方法获得图结构G的稀疏子图N；步骤S3：定义并求解SDSC低秩模型，通过权重的形式将先验知识融入到SDSC低秩模型中，SDSC低秩模型为：步骤S4：利用步骤S3中计算得到的稀疏矩阵S计算各个超像素的显著值：Sal(Pj)＝||Sj||1在以上步骤中，n为输入图像超像素的个数，L为低秩矩阵，S为稀疏矩阵，N_i表示稀疏子图N中的第i块稀疏子图块，是矩阵S的子矩阵，与稀疏子图块N_i相对应，ω_i代表稀疏子图块N_i是显著目标的先验概率，α为模型参数，为矩阵核范数，为p范数，1≤p<∞。