[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有效
| 申请号： | 201310316589.1 | 申请日： | 2013-07-25 |
| 公开（公告）号： | CN103390279A | 公开（公告）日： | 2013-11-13 |
| 发明（设计）人： | 卢汉清;刘静;李勇 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 宋焰琴 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了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，包括：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。本发明通过低秩矩阵分解可以有效地检测显著性区域，去除背景一致性的影响，而判别式学习可以提取出共有显著性区域。低秩矩阵分解与判别式学习过程在统一的框架下联合优化，两者相互影响，共同提升。最终可以获得共有显著性区域作为目标前景区域。 | ||
| 搜索关键词： | 联合 显著 检测 判别式 学习 目标 前景 协同 分割 方法 | ||
【主权项】：
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。
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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/201310316589.1/，转载请声明来源钻瓜专利网。
- 上一篇：终端和数据处理方法
- 下一篇：一种资源信息和对应资源文件批量上传的方法和系统
