欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021115484888
申请人: 桂林电子科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于MCP稀疏表示字典学习模型的显著性检测方法,其特征是:包括如下步骤:(1)将原图像或视频信息分割成超像素级别,提取超像素特征;

(2)设计一个可以进行对图像或视频信号稀疏重构的模型,该模型采用minimaxconcave penalty(MCP)稀疏正则化作为稀疏约束,MCP正则化可以保证系数矩阵的强稀疏性,基于minimax concave penalty(MCP)稀疏约束设计稀疏表示字典学习模型;

(3)将步骤(1)提取的超像素特征作为原信号,与图像或视频帧的四个边缘接触的超像素组成稀疏表示的字典,带入步骤(2)的MCP稀疏表示字典学习模型;使用稀疏表示字典学习模型通过重构误差来学习图像显著性区域,重构误差大的超像素位置被认为是显著性区域;

(4)采用基于上下文的方案来获得像素级的统一重构误差;通过利用多尺度重建误差和面向对象的高斯细化过程获取像素级别的显著性检测图;

(5)采用贝叶斯积分方法来合并从重建误差中学习到的显著性检测图,得到最终显著性检测结果。

2.根据权利要求1所述的基于MCP稀疏表示字典学习模型的显著性检测方法,其特征是:步骤(3)所述将超像素特征带入步骤(2)的解析稀疏表示模型,使用图像或视频帧信号带入稀疏表示模型,字典为与图像或视频帧的四个边缘(边界)接触的超像素集合,优化稀疏表示问题,即求出满足MCP稀疏约束的稀疏系数矩阵,构造的稀疏表示公式如下:其中S为图像或视频帧信号,X为稀疏系数矩阵,D为字典;J

重构稀疏误差Err公式如下:

3.根据权利要求1所述的基于MCP稀疏表示字典学习模型的显著性检测方法,其特征是:步骤(5)是使用Receiver Operating Characteristic(ROC)曲线和Area Under Curve(AUC)作为评价指标,其中:ROC的横坐标为false positive rate(FPR),计算公式如下其中PP为错误检测到的显著性位置,N为所有非显著性的位置;

ROC的纵坐标为true positive rate(TPR),计算公式如下其中TF为正确检测到的显著性位置,P为所有显著性的位置;

AUC指的是ROC曲线下的面积大小,该值能够量化反映基于ROC曲线衡量出的模型性能,计算方法为沿着ROC横轴做积分,AUC越大,说明显著性检测性能越好。