基于加权Schatten-p范数与树结构稀疏分解的目标显著性检测

• 作者: 曹飞龙 钱文超
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 目标显著性检测 矩阵分解 加权Schatten-p范数 树结构 拉普拉斯正则化
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计量与测试
• 页码范围: 385-392
• 页数: 8页
• 分类号: TP391
• 字数: 5298字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2018.04.007

摘要

近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹飞龙	中国计量大学理学院	62	241	8.0	12.0
2	钱文超	中国计量大学理学院	1	1	1.0	1.0