基于稀疏子空间聚类和低秩表示的显著性目标检测方法

发明专利有效专利

申请号：
CN201510951934.8
IPC分类号：G06K9/46;G06T7/11
申请日期：
2015-12-17
申请人：
西安电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于稀疏子空间聚类和低秩表示的显著性目标检测方法
申请号	CN201510951934.8	申请日期	2015-12-17
法律状态	授权	申报国家	中国
公开/公告日	2016-05-11	公开/公告号	CN105574534A
优先权	暂无	优先权号	暂无
主分类号	G06K9/46 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/36 图像预处理，即无须判定关于图像的同一性而进行的图像信息处理〔3〕 G06K9/46 图像特征或特性的抽取〔3〕	IPC分类号	G;0;6;K;9;/;4;6;;;G;0;6;T;7;/;1;1查看分类表>
申请人	西安电子科技大学	申请人地址	陕西省西安市太白南路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西安电子科技大学	当前权利人	西安电子科技大学
发明人	张强;梁宁;朱四洋;王龙
代理机构	陕西电子工业专利中心	代理人	王品华;韦全生

摘要

本发明公开了一种基于稀疏子空间聚类和低秩表示的显著性目标检测方法。其步骤为：1、对输入图像进行超像素分割和聚类；2、提取聚类中每一个超像素的颜色、纹理和边缘特征，构建聚类特征矩阵；3、根据颜色对比度的大小对所有超像素特征进行排序，构建字典；4、根据字典构建联合低秩表示模型，求解该模型对聚类的特征矩阵进行分解得到低秩表示系数，并计算聚类的显著性因子；5、将每一个聚类的显著值按照其空间位置映射到输入图像中，获得输入图像的显著图。本发明能完整一致地检测出图像中尺寸较大的显著性目标，且能抑制背景中的噪声，提升复杂背景图像中显著性目标检测的鲁棒性。可用于图像分割、目标识别、图像恢复和自适应图像压缩。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供