[发明专利]联合显著性检测与判别式学习的目标前景协同分割方法

权利要求书

1.一种联合显著性检测与判别式学习的目标前景协同分割方法，该方法包括以下各步骤：

步骤1，将图像集中的每幅图像过分割成多个超像素块，并对每个超像素块提取特征；

步骤2，将图像集中共有的显著性区域提取出来作为目标前景，而将非显著性区域和具有显著性但不是该图像集中共有的区域作为背景区域，其中采用低秩矩阵分解进行图像的显著性检测，采用逻辑回归来选择共有的显著性区域作为最终的目标。

2.根据权利要求1所述的方法，其特征在于，该方法进一步包括：

步骤3，对于表示最终的目标的目标函数，用增广拉格朗日乘子法和梯度下降法对目标函数进行快速优化求解，对于给定初始值，利用梯度下降法对逻辑回归函数中的参数进行估计，进而利用梯度下降法对目标前景的概率进行联合预测，然后根据获得的目标前景概率，进一步指导低秩矩阵分解过程来进行图像显著性检测，在图像显著性检测中通过增广拉格朗日乘子法求解，对这两个过程迭代优化，直至目标函数收敛。

3.根据权利要求2所述的方法，其特征在于，步骤2进一步包括：根据所提取的特征，在每幅图像上进行低秩矩阵分解。

4.根据权利要求3所述的方法，其特征在于，步骤3进一步包括：如果目标函数变化小于阈值，则输出超像素块目标前景概率，获得目标前景图。

5.根据权利要求3所述的方法，其特征在于，步骤3进一步包括：如果目标函数变化大于阈值，在目标前景概率指导下，实现图像的显著性检测，根据显著性检测结果和逻辑回归模型实现对目标前景概率联合预测，重新判断目标函数变化是否小于阈值，如果小于，则输出超像素块目标前景概率，获得目标前景图，如果大于，则继续在目标前景概率指导下，实现图像的显著性检测。

6.根据权利要求1所述的方法，其特征在于，对图像进行过分割处理是指对于一个包含τ幅具有相同或者相似目标前景的图像数据集，对第i幅图像进行过分割处理，第i幅图像获得N_i个超像素块，f_ij∈R^D代表第i幅图像第j个超像素块的特征表示，其中R代表实数，D代表特征的维数，

Fi=[fi1,fi2,...,fiNi]]]>代表第i幅图像的特征表示，yi∈[0,1]1×Ni]]>代表第i幅图像中相应超像素块成为目标前景的概率。

7.根据权利要求6所述的方法，其特征在于，图像集中的图像i被表示为一个低秩矩阵和稀疏矩阵求和的形式，即F_i=L_i+S_i，其中L_i为低秩矩阵，代表着第i幅图像背景区域，S_i为稀疏噪声矩阵，代表着第i幅图像显著性区域，稀疏噪声矩阵S_i中的第j列的1-范数代表着相应超像素块的显著性程度，S_i(t,j)为图像i的稀疏噪声矩阵S_i中第t行第j列对应的元素值，越大，对应的第j个超像素块的显著性程度越高。