[发明专利]一种图像协同显著区域的检测方法有效

专利信息
申请号: 201710591486.4 申请日: 2017-07-19
公开(公告)号: CN107358245B 公开(公告)日: 2020-05-26
发明(设计)人: 郑海军;刘政怡;吴建国 申请(专利权)人: 安徽大学
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62;G06T7/11;G06T7/194
代理公司: 合肥兴东知识产权代理有限公司 34148 代理人: 王伟
地址: 230601 安徽省*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种图像协同显著区域的检测方法,属于计算机视觉技术领域,包括:S1、采用M种显著检测方法对N张待检测图像进行显著性检测,得到M×N基本显著图S2、利用具有拉普拉斯正则项的低秩矩阵分解模型,对M×N张显著区域颜色特征构成的直方图矩阵进行分解,得到所述基本显著图的加权值,得到的加权值;S3、将的加权值与相应的进行融合,得到加权显著图Sc;S4、对每张待检测图像进行聚类处理,利用Sc指导第i张待检测图像聚类后类的协同显著分配,得到协同显著图Sd;S5、将Sc和Sd进行融合,得到N张待检测图像的显著图S。通过在低秩矩阵分解模型中加入拉普拉斯正则项,提高了低秩背景与系数矩阵区分的准确性,提高了协同显著区域的检测效率。
搜索关键词: 一种 图像 协同 显著 区域 检测 方法
【主权项】:
一种图像协同显著区域的检测方法,其特征在于,包括:S1、采用M种显著检测方法对N张待检测图像进行显著性检测,得到M×N张基本显著图表示采用第j种显著检测方法处理第i张待检测图像得到的基本显著图,1≤i≤N,1≤j≤M,M、N均为常数;S2、利用具有拉普拉斯正则项的低秩矩阵分解模型,对M×N张显著区域颜色特征构成的直方图矩阵进行分解,得到所述基本显著图的加权值;S3、将所述基本显著图的加权值与相应的基本显著图进行融合,得到加权显著图Sc;S4、对每张待检测图像进行聚类处理,并利用所述加权显著图Sc指导对应待检测图像聚类之后类的协同显著分配,得到协同显著图Sd;S5、将所述加权显著图Sc和所述协同显著图Sd进行融合,得到N张待检测图像的显著图S。
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安徽大学,未经安徽大学许可,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/201710591486.4/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top