[发明专利]基于协方差卷积神经网络的低对比度图像显著性检测方法在审
| 申请号： | 201810409544.1 | 申请日： | 2018-05-02 |
| 公开（公告）号： | CN108647695A | 公开（公告）日： | 2018-10-12 |
| 发明（设计）人： | 徐新;穆楠 | 申请（专利权）人： | 武汉科技大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62 |
| 代理公司： | 杭州宇信知识产权代理事务所(普通合伙) 33231 | 代理人： | 刘艳艳 |
| 地址： | 430081 *** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于协方差卷积神经网络的低对比度图像显著性检测方法，包括步骤：以像素为单元提取训练集中的图像的低级视觉特征；以提取的低级视觉特征所组成的多维特征向量为基础构造区域协方差；以协方差矩阵为训练样本构造卷积神经网络模型；基于局部和全局对比度原则计算图像显著性。通过在现有的MSRA数据集，SOD数据集，CSSD数据集，DUT‑OMRON数据集，PASCAL‑S数据集和本发明的NI数据集上进行测试对比，得出本发明的方法提高了传统显著性检测的鲁棒性，能够高效的获得更加准确的显著图，尤其对于低对比度图像，能够很好的提取出显著性目标，为夜间安防监控、复杂环境目标定位等热点问题提供了很好的解决方案。 | ||
| 搜索关键词： | 数据集 显著性 低对比度图像 卷积神经网络 协方差 视觉特征 检测 多维特征向量 图像 全局对比度 协方差矩阵 安防监控 测试对比 单元提取 复杂环境 基础构造 目标定位 热点问题 训练样本 鲁棒性 显著图 像素 | ||
【主权项】：
1.一种基于协方差卷积神经网络的低对比度图像显著性检测方法，其特征在于，包括步骤如下：(1)以像素为单元提取图像的低级视觉特征；(2)以多维特征向量为基础构造区域协方差；(3)以协方差矩阵为训练样本构造卷积神经网络模型；(4)基于局部和全局对比度原则计算图像显著性。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉科技大学，未经武汉科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810409544.1/，转载请声明来源钻瓜专利网。
