[发明专利]一种基于流形正则化支持向量机的图像显著性检测方法有效
| 申请号： | 201710238186.8 | 申请日： | 2017-04-13 |
| 公开（公告）号： | CN107146219B | 公开（公告）日： | 2019-12-17 |
| 发明（设计）人： | 张立和;张丹丹 | 申请（专利权）人： | 大连理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06T7/168;G06T7/194;G06K9/62 |
| 代理公司： | 21200 大连理工大学专利中心 | 代理人： | 温福雪;侯明远 |
| 地址： | 116024 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于流形正则化支持向量机的图像显著性检测方法，属于计算机视觉技术领域。本发明提供一种基于半监督的流形正则化支持向量机的图像显著性检测方法，无需人工标记的真值，只需少量的训练样本，而且分别从图像全局和局部的角度进行显著目标检测。本发明的方法采用少量伪标记样本进行训练，减少了人工工作量和模型训练成本；分别从图像全局和局部的角度构建流形正则矩阵，保证了检测出的显著目标的突出性和完整性；联合优化方法进一步优化了支持向量机模型预测的显著性检测结果，使得检测更加准确，目标区域更加高亮平滑；在一些特殊的图像中，比如显著目标尺寸过大或过小、多目标的图像中，本发明的方法也可以较好地检测出来。 | ||
| 搜索关键词： | 一种 基于 流形 正则 支持 向量 图像 显著 检测 方法 | ||
【主权项】：
1.一种基于流形正则化支持向量机的图像显著性检测方法，其特征在于，步骤如下：/nA、根据先验知识计算得到初始的显著性图/nA1、将给定图像分割成100～300个超像素，提取所有超像素的坐标、颜色、纹理特征，得到每个超像素的75维特征向量；/nA2、采用随机森林方法，学习给定图像中所有超像素的稠密关联矩阵A；/nA3、采用测地目标预测方法，产生多个给定图像的目标预测二值图，基于稠密关联矩阵A，分别根据边界先验和平滑先验计算每个目标预测二值图中白色部分对应的图像区域的背景分值
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大连理工大学，未经大连理工大学许可，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/201710238186.8/，转载请声明来源钻瓜专利网。
