基于多尺度低秩分解且结构信息敏感的图像显著性物体检测方法

摘要

本发明公开了一种基于多尺度低秩分解且结构信息敏感的图像显著性物体检测方法，步骤如下：三维体数据生成阶段，首先将二维图像进行超像素分解并进DT行三角化，得到二维图像对应的三维体数据；Biharmonic分布计算阶段，得到各超像素点的Biharmonic扩散结果；描述子生成阶段，对超像素点的Biharmonic等值线上的采样点之间的L2距离进行直方图统计，形成对各等值线的形状描述；多尺度低秩分解阶段，该阶段基于各超像素点的Biharmonic等值线形状描述，并对不同尺度下低秩分解得到的稀疏矩阵进行作差，通过残差矩阵求和，得到最终显著性物体检测结果。本发明基于GPU并行实现，可对图像中单个、多个显著性物体进行检测，具有显著性物体检测精度高，显著性物体检测全面，抗噪性好等特点。

主权项

一种基于多尺度低秩分解且结构信息敏感的图像显著性物体检测方法，其特征在于包括以下四个步骤：步骤（1）、二维图像到三维体数据的转换：通过对二维图像进行超像素分解，以各超像素中心点，进行Delaunay三角划分，依据三角划分拓扑结构信息，并以超像素中心点RGB均值作为Z轴，最终将二维图像数据转换为三维体数据；步骤（2）、Biharmonic分布计算：基于步骤（1）中得到的三维体数据，通过构建拉普拉斯矩阵，并对其进行特征值、特征向量分解，从而计算每一个超像素点对应的Biharmonic分布；步骤（3）、描述子生成阶段：对于每一个超像素点，基于步骤（2）得到的Biharmonic分布结果，计算并形成其对应的Biharmonic等值线，并对各等值线上采样点之间的L2距离进行直方图统计，从而获得各像素点的描述子描述结果；步骤（4）、多尺度低秩分解阶段：基于步骤（3）生成的超像素多尺度描述结果，对不同尺度下低秩分解得到的稀疏矩阵进行作差，并最终将各残差稀疏矩阵进行求和，得到图像的显著性物体检测结果。