[00335247]一种图像协同显著区域的检测方法
交易价格：
面议
所属行业：
分析仪器
类型：
发明专利
技术成熟度：
通过小试
专利所属地：中国
专利号：CN201710591486.4
交易方式：
资料待完善
联系人：
安徽大学
进入空间
所在地：安徽合肥市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
摘要：本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。
摘要：本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。
