买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军国防科技大学

摘要：本发明提出了一种显著性目标检测方法、系统、电子设备、存储介质，属于图像检测与数据处理技术领域，该方法包括：获取原始图像；根据SLIC算法将原始图像生成超像素图像，提取多视图特征空间矩阵Y；用多视图特征空间矩阵Y、变换参数矩阵P、潜在表示学习矩阵U、和相似度亲和矩阵S构建该原始图像显著性检测的最小化目标函数模型，求解变换参数矩阵P和潜在表示学习矩阵U，将变换参数矩阵P和潜在表示学习矩阵U相乘之后与前景和背景的扩散模型融合，完成对该原始图像的显著性检测。传统的显著检测方法通常假设多视图特征是同分布的，该方法揭示了多视图特征彼此内在的相互关联性；对噪声干扰更鲁棒；增强了目标与背景之间的差异化。

主权项：1.一种显著性目标检测方法，所述方法包括：将原始图像生成超像素图像以及前景和背景的扩散模型，在超像素图像中提取所述原始图像的多视图特征空间矩阵Y，所述多视图特征空间矩阵包括多个视图特征向量y1、y2、……yi，i为大于等于2的整数；用潜在表示学习矩阵U来表征所述多视图特征的特征空间，构建所述多视图特征空间矩阵的变换参数矩阵P和所述多个视图特征向量的相似度亲和矩阵S，用所述多视图特征空间矩阵Y、所述变换参数矩阵P、所述潜在表示学习矩阵U和所述相似度亲和矩阵S构建所述原始图像显著性检测的最小化目标函数模型；根据所述最小化目标函数模型求解所述变换参数矩阵P和所述潜在表示学习矩阵U，将所述变换参数矩阵P和所述潜在表示学习矩阵U相乘之后与所述前景和背景的扩散模型融合，生成最终的特征显著图；其中，所述最小化目标函数模型中包括第一目标函数、第二目标函数、第三目标函数以及第四目标函数，所述第一目标函数为： 其中，表示YP-U的范数运算；所述第二目标函数为： 其中，||P||2,1表示变换参数矩阵P的的l2范数正则化；α表示||P||2,1的稀疏度参数，用以对||P||2,1进行稀疏度控制；所述第三目标函数构建过程包括：构建相似矩阵H，H用以表征多视图特征数据间相似性和相关性；构建潜在表示学习的目标函数：其中，β是用以平衡潜在表示学习和潜在空间中显著性的参数；构建第三目标函数： 其中，表示H-UUT的范数运算；所述第四目标函数的构建过程包括：构建表征多视图特征之间相似度的亲和矩阵S，所述亲和矩阵S的构建公式如下： 其中，pi和pj分别表示第i和j个多视图特征，||pi-pj||2是两个多视图特征之间的欧几里得距离的平方，Πkpi、Πkpj分别表示几何k最近的节点，σ是一个宽度参数；根据亲和矩阵S，构建对角矩阵D，所述对角矩阵D中对角元素为D中的其他元素为0，进一步构建拉普拉斯矩阵L＝D-S；构建流行正则化函数：XTrPTYTLYP，其中，χ是平衡多视图特征的特征空间局部流行几何结构正则化的参数，Tr表示矩阵PTYTLYP的迹；根据所述第三目标函数和所述流行正则化函数构建第四目标函数： s.t.U≥0。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种显著性目标检测方法、系统、电子设备、存储介质