[发明专利]一种基于低秩表示的复杂背景图像显著性检测方法

权利要求书

1.一种基于低秩表示的复杂背景图像显著性检测方法，其特征在于，包括以下步骤：

步骤S1：利用超像素分割方法对输入图像进行分割，分割后的输入图像由n块不重叠的超像素P＝{P₁,P₂,…,P_n}组成，对分割后的输入图像进行特征提取得到特征矩阵F；

步骤S2：构建分割后的输入图像的图结构G，并通过谱聚类方法获得图结构G的稀疏子图N；

步骤S3：定义并求解SDSC低秩模型，通过权重的形式将先验知识融入到SDSC低秩模型中，SDSC低秩模型为：

步骤S4：利用步骤S3中计算得到的稀疏矩阵S计算各个超像素的显著值：

Sal(P_j)＝||S_j||₁

在以上步骤中，n为输入图像超像素的个数，L为低秩矩阵，S为稀疏矩阵，N_i表示稀疏子图N中的第i块稀疏子图块，是矩阵S的子矩阵，与稀疏子图块N_i相对应，ω_i代表稀疏子图块N_i是显著目标的先验概率，α为模型参数，为矩阵核范数，为p范数，1≤p<∞。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，对输入图像进行特征提取包括提取包括RGB颜色、饱和度与色度的颜色特征；利用Gabor filter滤波器对3通道的4个方向提取纹理特征；利用Steerable pyramids滤波器对3通道的4个方向进行滤波，提取边缘特征。

3.根据权利要求1所述的方法，其特征在于，所述步骤S3中，ω_i先验知识包括位置先验、颜色先验和背景先验。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3中，对于第j个超像素P_j，其先验知识为τ_j∈[0,1]，代表着超像素P_j是显著目标的概率是τ_j，则稀疏子图块N_i的先验概率为：

ω_i＝1-max({τ_j:P_j∈N_i})。

5.根据权利要求1所述的方法，其特征在于，所述步骤S3中，求解SDSC低秩模型的方法为交替方向乘子法，包括以下步骤：

步骤S31：输入参数，包括特征矩阵F、模型参数α、稀疏子图N以及稀疏子图块N_i的先验概率ω_i；

步骤S32：初始化计算，定义循环变量k＝0，过程参数L⁰＝0，S⁰＝0，Y⁰＝0，μ⁰＝0.1，μ^max＝10¹⁰，ρ＝1.1，收敛判据ε；

步骤S33：如果||F-L^k-S^k||_p>ε，则进入步骤S34，否则进入步骤S35；

步骤S34：依次进行以下计算：

L^k+1＝argmin_LL(L,S^k,Y^k,μ^k)

S^k+1＝argmin_SL(L^k+1,S,Y^k,μ^k)

Y^k+1＝Y^k+μ^k(F-L^k+1-S^k+1)

μ^k+1＝min(μ^k,ρμ^k)

k＝k+1

完成计算后返回步骤S33；

步骤S35：当前的L^k，S^k为计算结果。