[发明专利]一种基于结构矩阵分解的非凸低秩显著目标检测方法在审
| 申请号： | 201910409715.5 | 申请日： | 2019-05-17 |
| 公开（公告）号： | CN110188770A | 公开（公告）日： | 2019-08-30 |
| 发明（设计）人： | 胡学刚;吴开元 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06T7/10 |
| 代理公司： | 重庆辉腾律师事务所 50215 | 代理人： | 卢胜斌 |
| 地址： | 400065 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图像处理与计算机视觉技术领域，涉及一种基于结构矩阵分解的非凸低秩显著目标检测方法。包括提取图像的多个特征组成特征矩阵；使用基于图的图像分割算法合并相邻超像素块，形成粒度逐渐增加的多层图像块组；采用颜色的高斯分布、位置和背景作为先验知识生成先验图，获得索引树节点的权重；使用非凸Sp范数对特征矩阵进行低秩约束，采用F范数对特征矩阵的稀疏约束进行改进，从而构造出非凸的结构矩阵分解模型，将索引树节点的权重加入到分解模型中，求解出稀疏矩阵和低秩矩阵；根据求解出的稀疏矩阵，计算图像的显著值，实现图像显著目标的检测。本发明能解决当图像背景较为复杂时，显著图不均匀、目标背景相互混淆检测失败等问题。 | ||
| 搜索关键词： | 结构矩阵 特征矩阵 低秩 分解 目标检测 稀疏矩阵 索引树 求解 范数 权重 计算机视觉技术 图像 图像分割算法 先验 低秩矩阵 多层图像 高斯分布 混淆检测 目标背景 特征组成 提取图像 图像背景 图像处理 先验知识 逐渐增加 不均匀 显著图 像素块 块组 稀疏 合并 检测 失败 改进 | ||
【主权项】：
1.一种基于结构矩阵分解的非凸低秩显著目标检测方法，其特征在于，所述方法包括以下步骤：S1：提取出图像的底层特征，并组成一个多维特征向量；利用单线性迭代聚类法将图像分割成若干超像素块，将超像素块的特征向量组成特征矩阵；S2：使用基于图的图像分割算法合并相邻超像素块，从而形成粒度逐渐增加的多层图像块组即多层超像素块组；其中，在每一个粒度层中，该层图像块对应着索引树T相应层的节点；S3、采用颜色的高斯分布、位置和背景作为先验知识生成先验图，获得索引树节点的权重；S4：使用非凸Sp范数对特征矩阵进行低秩约束，采用F范数对特征矩阵的稀疏约束进行改进，从而构造出非凸的结构矩阵分解模型，将索引树节点的权重加入到分解模型中，求解出稀疏矩阵S和低秩矩阵L；S5：根据求解出的稀疏矩阵S，计算出整个图像的显著值，即得到图像的显著图，从而实现图像显著目标的检测。
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重庆邮电大学，未经重庆邮电大学许可，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/201910409715.5/，转载请声明来源钻瓜专利网。
