[发明专利]一种无监督的图像航路点自动检测方法

权利要求书

1.一种无监督的图像航路点自动检测方法，其特征在于：包括以下步骤：

步骤一、获取全成分图像，并基于全成分图像利用稀疏低秩分解方法获得稀疏成分图像；

步骤二、利用多尺度Log-Gabor滤波挖掘两种成分图像的结构信息并构建成结构密度图，获得全成分图像结构密度图和稀疏成分图像结构密度图；

步骤三、根据两组结构密度图并利用迭代双重稀疏表示方法提取图像中结构信息丰富的区域，并分别生成全成分图像适配图MSA_a和稀疏成分图像适配图MSA_s；

步骤四、将获得的两组成分适配图进行融合，并对图像区域结构信息丰富度和显著特异性进行综合权衡优化，得到合成适配图；

步骤五、从得到的合成适配图中筛选出高适配性的像素点构成像素集合，再结合非极大值抑制自动分割获得图像航路点。

2.根据权利要求1所述的一种无监督的图像航路点自动检测方法，其特征在于：所述步骤一中稀疏成分图像获得方法具体为给定一个全成分图像I，以下式为目标函数，利用鲁棒主成分分析模型对图像进行稀疏低秩分解，提取具备结构显著特性的稀疏成分，即获得稀疏成分图像，

其中L和S分别表示低秩成分和稀疏成分；||·||_*表示核范数，刻画L的低秩特性；||·||₁表示L1范数；λ为权衡参数，权衡低秩成分L和稀疏成分S的稀疏性之间的关系。

3.根据权利要求1所述的一种无监督的图像航路点自动检测方法，其特征在于：所述步骤二中结构密度图构建方法具体包括

第一步、图像结构信息提取，使用不同中心频率的Log-Gabor滤波提取图像的多尺度结构信息，将多张滤波结果图叠加在一起生成一张包含所有结构信息的滤波总图；

第二步、结构特征点稀疏化，使用SLIC超像素分割法将生成的滤波总图分割获得超像素区域集合，并使用超像素的区域限制对结构特征点进行稀疏处理，构成稀疏结构特征点集合P_S；

第三步、基于稀疏结构特征点集合，并以超像素为基本单元，利用下式计算获得超像素结构密度，再遵循超像素内图像像素属性一致的原则生成结构密度图

其中X、Y为待评估超像素中心坐标，n为稀疏特征点集合P_S中元素的个数，X_i、Y_i为稀疏特征点坐标，Z_i为稀疏特征点强度，σ为距离权重调控因子。

4.根据权利要求1所述的一种无监督的图像航路点自动检测方法，其特征在于：所述步骤三中具体是将两组结构密度图分别作为初级信息，用以引导迭代双重稀疏表示方法，利用导迭代双重稀疏表示方法提取图像中结构信息丰富的区域。

5.根据权利要求1所述的一种无监督的图像航路点自动检测方法，其特征在于：所述步骤三中全成分图像适配图MSA_a和稀疏成分图像适配图MSA_s生成方法具体为使用SLIC超像素分割法生成稀疏表示处理基本单元，再利用结构密度图作为筛选依据，提取结构密度高的超像素制成适配字典，提取结构密度低的超像素制成非适配字典，然后基于迭代双重稀疏表示方法结合稀疏重构残差的适配因子，对图像的适配性自动检测并生成适配图。

6.根据权利要求5所述的一种无监督的图像航路点自动检测方法，其特征在于：所述迭代双重稀疏表示方法具体为

A、将输入图像进行多尺度超像素分割后获得每一个单一尺度的超像素区域特征；

B、利用视觉注意焦点预测方法获得视觉注意结果并生成初始显著图；

C、根据初始显著图的显著性程度的大小提取图像中的前景区域和背景区域构建获得前景字典和背景字典；

D、分别以两组字典对输入图像的所有超像素进行双重稀疏表示，并计算获得重构残差作为显著性因子计算显著性水平值对初始显著图进行迭代计算。