基于稀疏和低秩表示的显著性目标检测.pdfVIP

a叶哉2015年第28卷第2期 ElectronicSci．＆ Tech．／Feb．15．2015 doi：10．16180／j．cnki．issnl007—7820．2015．02．030 基于稀疏和低秩表示的显著性 目标检测 刘甜甜 (西安电子科技大学 数学与统计学院，陕西 西安 710126) 摘 要 文中研究了无监督 自下而上的显著性 目标检测方法。基于显著性 目标在 自然图像 中稀疏分布的这一先验 }生假设，提 出了一种用低秩和稀疏表示进行显著性 目标检测的方法。根据图像背景的先验分布，首先选取一个有效的 背景字典来低秩表示图像的背景部分，进而更好地分离出显著性前景。由于人类视觉中心偏好可知 ，图像的边缘部分 不易引起关注，故选取这些边缘部分作为背景先验来选取背景字典。与其他基于稀疏和低秩分解的显著性 目标检测相 比，文中选取的背景字典更简单有效，且能得到更好的显著性图。实验结果显示，该方法比主流的显著性检测方法得 到的显著性 图更令人满意。 关键词 稀疏表示；超像素分割；显著性 目标检测 中图分类号 TP391．41 文献标识码 A 文章编号 1007—7820(2015)02—112—04 SparseandLow RankBasedSaliencyDetection UU Tiantian (SchoolofMathematicsandStatistics，XidianUniversity，Xi’all710126，China) Abstract Thispaperstudiestheunsupervisedsaliencydetectionmethod．Basedontheassumptionthatsalient objectsaresparselyscatteredovertheimage，weproposethesparseandlowrankbasedsaliencydetectionmethod． Accordingtotheprioridistributionofimagebackground，weselectaneffectivebackgrounddictionarytorepresent theimagebackrgoundandthusseparatethesalientforergound．Compraedwithothersaliencydetectionmethodthe backrgounddictionary inourmethodissimpleandeffective，andcanhelplocatethesalientobjectsaccurately．Ex— perimental resultsshow thatcomparedwithothermethodadifferencedoesexistinfavorofours． Keywords sparserepresentation；sup—pixelsegmentation；saliencydetection 视觉显著性在计算机视觉和图像理解中有着重要 中显著性 目标物和背景都有一定的先验假设，例如：对 作用并且涉及范围广，包括认知心理学 ¨、神经生物 比度、紧l生等，基于这些假设研究者们提出了各种显著 学 等 。由于计算机视觉和图像处理的应用不断地广 性检测方法。 泛，显著性 目标检测也引起 了越来越多致力于信号处 在 自然图像中人类视觉系统所感兴趣 的往往是一 理 、计算机视觉和机器学习研究工作的学者 的研究 ，并 些特殊的内容，这些 内容是图像 中较小的一部分且是 很好地被运