[发明专利]一种基于广度学习系统的显著性检测方法及装置有效
| 申请号： | 201910308906.2 | 申请日： | 2019-04-17 |
| 公开（公告）号： | CN110135435B | 公开（公告）日： | 2021-05-18 |
| 发明（设计）人： | 林晓;李想;王志杰;黄继风;郑晓妹;盛斌 | 申请（专利权）人： | 上海师范大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 蔡彭君 |
| 地址： | 200234 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于广度学习系统的显著性检测方法及装置，其中方法包括：步骤S1：将图像分割为多个超像素点，提取每个超像素的颜色，位置，纹理，先验和对比度信息，并得到各超像素的特征向量；步骤S2：基于得到的各超像素的特征向量对图像进行处理，得到初始显著图；步骤S3：对初始显著图建立条件随机场模型，并使用基于广度学习的回归计算条件随机场中的核矩阵，将得到的最优解作为优化后的显著图；步骤S4：使用得到的优化后的显著图用于视觉跟踪，图像分类、图像分割、目标识别，图像视频压缩，图像检索或图像重定向。与现有技术相比，本发明在特征提取阶段，结合了颜色特征，空间特征，纹理特征，先验特征和对比特征，提高检测效果。 | ||
| 搜索关键词： | 一种 基于 广度 学习 系统 显著 检测 方法 装置 | ||
【主权项】：
1.一种基于广度学习系统的显著性检测方法，其特征在于，包括：步骤S1：将图像分割为多个超像素点，提取每个超像素的颜色，位置，纹理，先验和对比度信息，并得到各超像素的特征向量；步骤S2：基于得到的各超像素的特征向量对图像进行处理，得到初始显著图；步骤S3：对初始显著图建立条件随机场模型，并使用基于广度学习的回归计算条件随机场中的核矩阵，将得到的最优解作为优化后的显著图；步骤S4：使用得到的优化后的显著图用于视觉跟踪，图像分类、图像分割、目标识别，图像视频压缩，图像检索或图像重定向。
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上海师范大学，未经上海师范大学许可，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/201910308906.2/，转载请声明来源钻瓜专利网。
