基于全卷积神经网络与低秩稀疏分解的显著性检测

• 作者: 吴骏 张芳 王萌 王雯 童军 耿磊 肖志涛
• 来源期刊: 自动化学报
• 关键词: 显著性检测 全卷积神经网络 低秩稀疏分解 高层语义先验知识
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 论文与报告
• 页码范围: 2148-2158
• 页数: 11页
• 字数: 7654字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170535

摘要

为了准确检测复杂背景下的显著区域,提出一种全卷积神经网络与低秩稀疏分解相结合的显著性检测方法,将图像分解为代表背景的低秩矩阵和对应显著区域的稀疏噪声,结合利用全卷积神经网络学习得到的高层语义先验知识,检测图像中的显著区域.首先,对原图像进行超像素聚类,并提取每个超像素的颜色、纹理和边缘特征,据此构成特征矩阵;然后,在MSRA数据库中,基于梯度下降法学习得到特征变换矩阵,利用全卷积神经网络学习得到高层语义先验知识;接着,利用特征变换矩阵和高层语义先验知识矩阵对特征矩阵进行变换;最后,利用鲁棒主成分分析算法对变换后的矩阵进行低秩稀疏分解,并根据分解得到的稀疏噪声计算显著图.在公开数据集上进行实验验证,并与当前流行的方法进行对比,实验结果表明,本文方法能够准确地检测感兴趣区域,是一种有效的自然图像目标检测与分割的预处理方法.