基于稀疏子空间聚类和低秩表示的显著性目标检测方法

作者：张强; 梁宁; 朱四洋; 王龙

来源：2015-12-17, 中国, ZL201510951934.8.

本发明公开了一种基于稀疏子空间聚类和低秩表示的显著性目标检测方法。其步骤为：1、对输入图像进行超像素分割和聚类；2、提取聚类中每一个超像素的颜色、纹理和边缘特征,构建聚类特征矩阵；3、根据颜色对比度的大小对所有超像素特征进行排序,构建字典；4、根据字典构建联合低秩表示模型,求解该模型对聚类的特征矩阵进行分解得到低秩表示系数,并计算聚类的显著性因子；5、将每一个聚类的显著值按照其空间位置映射到输入图像中,获得输入图像的显著图。本发明能完整一致地检测出图像中尺寸较大的显著性目标,且能抑制背景中的噪声,提升复杂背景图像中显著性目标检测的鲁棒性。可用于图像分割、目标识别、图像恢复和自适应图像压缩。

• 出版日期2015-12-17
• 单位西安电子科技大学