本發明專利技術公開了一種基于稀疏子空間聚類和低秩表示的顯著性目標檢測方法。其步驟為：1、對輸入圖像進行超像素分割和聚類；2、提取聚類中每一個超像素的顏色、紋理和邊緣特征，構建聚類特征矩陣；3、根據顏色對比度的大小對所有超像素特征進行排序，構建字典；4、根據字典構建聯合低秩表示模型，求解該模型對聚類的特征矩陣進行分解得到低秩表示系數，并計算聚類的顯著性因子；5、將每一個聚類的顯著值按照其空間位置映射到輸入圖像中，獲得輸入圖像的顯著圖。本發明專利技術能完整一致地檢測出圖像中尺寸較大的顯著性目標，且能抑制背景中的噪聲，提升復雜背景圖像中顯著性目標檢測的魯棒性。可用于圖像分割、目標識別、圖像恢復和自適應圖像壓縮。
【技術實現步驟摘要】
本專利技術屬于圖像處理
，具體的說涉及一種顯著性目標檢測方法，可用于 圖像分割、目標識別、圖像恢復和自適應圖像壓縮。
技術介紹
顯著性目標檢測的目的是完整一致地檢測出圖像中最吸引人注意的目標區域。近 年來，隨著可視信息網絡的擴張和電子商務行業的飛速增長，圖像顯著性目標檢測技術的 重要性日益突顯。作為一種新的高維數據分析和處理工具，低秩矩陣恢復技術能夠有效地 從受強噪聲污染或部分缺失的高維觀測樣本中發現它的本征低維空間，該技術已經被廣泛 應用于計算機視覺、機器學習、統計分析等領域，并出現了一些基于低秩矩陣恢復的顯著性 檢測方法。 Yan等基于稀疏編碼和低秩矩陣恢復技術提出一種顯著性檢測方法(Yan J，Zhu Μ, Liu Η,et al. Visual saliency detection via sparsity pursuit. Signal Processing Letters，2010，17(8): 739-742 ·)。該方法的具體步驟是:首先，將圖像分成8 X 8的小塊。然后，提取圖像塊的特征并進行稀疏編碼，得到表示輸入圖像的稀疏編碼矩陣。最 后，利用魯棒主成分分析方法分解稀疏編碼矩陣，并采用分解得到的稀疏矩陣定義相應圖 像塊的顯著性。該方法簡單假設顯著性目標的尺寸很小，故其特征具有稀疏特性，因此能夠 較為準確地檢測出簡單場景中尺寸較小的顯著性目標。但是該方法仍然存在的不足之處 是，難以完整一致地檢測出尺寸較大的顯著性目標。 Shen等基于低秩矩陣恢復技術提出了一種結合先驗信息的顯著性目標檢測方法 (Shen X,ffu Y.A unified approach to salient object detection via low rank matrix recovery·IEEE Conference on Computer Vision and Pattern Recognition，2012，23(10): 853-860.)。該方法首先對輸入圖像進行超像素分割，并提取超 像素的特征構建特征矩陣，然后利用MSRA數據庫學習先驗知識和特征變換矩陣，并對所有 超像素特征組成的矩陣進行變換，最后采用低秩矩陣恢復方法分解變換后的特征矩陣。該 方法通過特征變換使得顯著性目標的特征更加稀疏，背景的特征更具有相似性。由于尺寸 較大的顯著性目標不再具有稀疏特性，該方法并沒有從本質上解決較大尺寸顯著性目標的 檢測問題。
技術實現思路
本專利技術的目的在于針對上述已有技術的不足，提出一種基于稀疏子空間聚類和低 秩表示的顯著性目標檢測方法，以更加完整一致地檢測尺寸較大的顯著性目標，且提高檢 測準確度和召回率。 本專利技術的技術思路是，對輸入圖像進行超像素分割，并對分割得到的超像素進行 聚類，由于同一聚類內超像素的特征具有相似性，本專利技術假設同一聚類內的超像素特征處 于相同的低維子空間，并根據顏色對比度構建字典，在此基礎上構建聯合低秩表示模型，求 解該模型對聚類的特征矩陣進行低秩稀疏分解，最后采用矩陣分解得到的低秩表示系數定 義相應聚類的顯著性，并按照其空間位置將顯著性值映射到輸入圖像中，得到輸入圖像的 顯著圖。 本專利技術的實現步驟如下： (1)將輸入圖像I分割成N個超像素 {Pi | i = 1，2，. . .，N}; (2)對所有超像素進行聚類，得到輸入圖像I的J個聚類{Cd」=1，2，...，1}，其中 每個聚類Cj包含了mj個超像素，即Cj = {pj,k | k = 1，2，· · ·，mj}; (3)構建聚類特征矩陣：針對每一個聚類C尸{Pj,k I k = 1，2，· · ·，m]當中包含的第k個超像素 W,k，提取該超 像素中每一個像素點的顏色、邊緣和紋理特征構建該像素點的特征向量，其維數為M = 53， 并利用超像素 Pik中所有像素特征向量的均值向量&,k作為該超像素的特征，構建聚類Cj的 特征矩陣為Xj = ，k = 1，2，· · ·，mj; (4)計算所有超像素的顏色對比度，并根據超像素顏色對比度由大到小對超像素 特征進行排序，得到低秩表示算法的字典D; (5)根據上述特征矩陣X」和字典D構建聯合低秩表示模型： s.t. Xj = DZj+Ej其中，Zj為低秩表不系數，Ek為重構誤差，λ是權衡低秩成分和稀疏成分之間的一個 常量因子，U · I I*為矩陣核范數，表示矩陣的所有奇異值之和，I |ε| |2>1為重構誤差矩陣Ε = 的匕i范數_，E(u，v)表示E的第u行第v列元素； 求解上述聯合低秩表示模型，對聚類的特征矩陣h進行低秩稀疏分解，得到低秩 表示系數的最優解集合·| = 1，2,...，·/(; (6)利用聚類(^對應的低秩表示系數g計算該聚類的顯著性因子L(Cj): 其中，Zf5是低秩表示系數矩陣< 的前m行，Zf是低秩表示系數矩陣Z；的后m行， ? I |1;1表示矩陣的&范數表示A的第u行第V列元素的 絕對值； (7)將每一個聚類Cj的顯著性因子L(Cj)按照其空間位置映射到輸入圖像I中，得到 輸入圖像I的顯著圖。 本專利技術與現有的技術相比具有以下優點： 第一，解決了傳統方法難以檢測較大尺寸顯著性目標的問題本專利技術對輸入圖像進行超像素分割，并對分割得到的超像素聚類，然后采用低秩 表示算法對聚類特征矩陣進行低秩稀疏分解，并利用低秩表示系數定義聚類的顯著性，克 服了傳統基于低秩矩陣恢復的顯著性檢測方法中難以完整一致地檢測較大尺寸顯著性目 標的問題。 第二，提升了復雜背景圖像顯著性檢測的魯棒性 傳統基于低秩矩陣恢復的顯著性檢測方法簡單假設背景特征屬于同一低維子空 間，并對整幅圖像的特征進行低秩稀疏分解，由于復雜背景中包含不同的紋理區域，在這種 情況下背景的特征不具有低秩特性，因而傳統方法的假設不再成立。鑒于同一聚類內超像 素的特征具有相似性，本專利技術假設其屬于相同的低維子空間，并利用低秩表示算法對聚類 特征進行低秩稀疏分解，因此與傳統基于低秩矩陣恢復的顯著性檢測方法相比，本專利技術提 升了復雜背景圖像顯著性檢測的魯棒性。【附圖說明】 圖1為本專利技術的實現流程圖； 圖2為用本專利技術對包含大尺寸顯著性目標圖像檢測的仿真圖； 圖3為用本專利技術對包含復雜背景圖像顯著性目標檢測的仿真圖； 圖4為用本專利技術對顯著性目標檢測結果的客觀評價圖。具體實施方法 下面結合附圖對本專利技術的實施例和效果作進一步的詳細描述。 參照附圖1，本專利技術的實現步驟如下： 步驟1，輸入圖像并進行超像素分割。 (la)從MSRA-1000數據庫中選取一幅圖像作為輸入圖像I; (lb)將輸入圖像I分割成N個超像素 {Pl|i = l，2，. ..，N}。已有的超像素分割算法 有Superpixel Lattice、Normalized cuts、Turbopixels和SLIC等，其中SLIC超像素分割算 法在超像素形狀、邊界保持以及算法的運算速度上具有明顯的優勢，本專利技術選用SLIC超像 素分割算法對輸入圖像進行分割。步驟2,對超像素進行聚類。 拉普拉斯稀疏子空間聚類算法在稀疏子空間聚類算法的基礎上加入約束數據特 征一致性的Laplacian項，具有更加優越的性能，因此本專利技術選擇拉普拉本文檔來自技高網...
【技術保護點】
一種基于稀疏子空間聚類和低秩表示的顯著性目標檢測方法，包括如下步驟：(1)將輸入圖像I分割成N個超像素{pi|i＝1,2,...,N}；(2)對所有超像素進行聚類，得到輸入圖像I的J個聚類{Cj|j＝1,2,...,J}，其中每一個聚類Cj包含了mj個超像素，即Cj＝{pj,k|k＝1,2,...,mj}；(3)構建聚類特征矩陣：針對每一個聚類Cj＝{pj,k|k＝1,2,...,mj}當中包含的第k個超像素pj,k，提取該超像素中每一個像素點的顏色、邊緣和紋理特征構建該像素點的特征向量，其維數為M＝53，并利用超像素pj,k中所有像素特征向量的均值向量xj,k作為該超像素的特征，構建聚類Cj的特征矩陣為Xj=[xj,1,xj,2,...,xj,k,...,xj,mj],]]>k＝1,2,...,mj；(4)計算所有超像素的顏色對比度，并根據超像素顏色對比度由大到小對超像素特征進行排序，得到低秩表示算法的字典D；(5)根據上述特征矩陣Xj和字典D構建聯合低秩表示模型：minZj,EjΣj=1J||Zj||*+λ||E||2,1]]>s.t.Xj＝DZj+Ej其中，Zj為低秩表示系數，Ek為重構誤差，λ是權衡低秩成分和稀疏成分之間的一個常量因子，||·||*為矩陣核范數，表示矩陣的所有奇異值之和，||E||2,1為重構誤差矩陣E＝[E1,E2,...,EJ]的范數，且E(u,v)表示E的第u行第v列元素；求解上述聯合低秩表示模型，對聚類Cj的特征矩陣Xj進行低秩稀疏分解，得到低秩表示系數的最優解集合(6)利用聚類Cj對應的低秩表示系數計算該聚類的顯著性因子L(Cj)：L(Cj)=||ZjFG||1,1-||ZjBG||1,1]]>其中，是低秩表示系數矩陣的前m行，是低秩表示系數矩陣的后m行，||·||1,1表示矩陣的范數，即|A(u,v)|表示A的第u行第v列元素的絕對值；(7)將每一個聚類Cj的顯著性因子L(Cj)按照其空間位置映射到輸入圖像I中，得到輸入圖像I的顯著圖。...
【技術特征摘要】
【專利技術屬性】
技術研發人員：張強，梁寧，朱四洋，王龍，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：陜西;61
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。