区域弱相关自表示的显著目标检测方法

• 作者: 张萌 陈晓云
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 显著目标检测 低秩矩阵恢复 区域弱相关 自表示系数
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 图像与视觉
• 页码范围: 2300-2310
• 页数: 11页
• 分类号: TP391.41
• 字数: 8149字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2018.17174

摘要

针对显著目标不相似时目标的显著值不一致问题, 提出区域弱相关自表示的显著目标检测方法. 首先在低秩矩阵恢复理论基础上为显著目标引入拉普拉斯正则项, 以增大显著目标与背景的差异; 然后最小化显著目标自表示系数的 F-范数, 使检测出的显著目标一致高亮; 最后用可调节反正切函数对背景施加强的低秩约束, 使背景与显著目标最大程度分离. 在公开的显著目标检测数据集上与不同的显著目标检测方法进行对比实验, 结果表明, 该方法能得到更完整的显著目标和更一致的显著图.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈晓云	福州大学数学与计算机科学学院	76	590	13.0	21.0
2	张萌	福州大学数学与计算机科学学院	3	1	1.0	1.0