[发明专利]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

权利要求书

1.一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。

2.根据权利要求1所述的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：步骤（1）中所述的二维图像到三维体数据的转换方法，该方法以超像素分解得到的各超像素中心点作为顶点进行Delaunay三角形划分，然后依据超像素点的平均RGB值作为Z轴，将二维图像拉伸到三维空间。

3.根据权利要求1所述的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：步骤（2）中所述的Biharmonic分布计算时，其拉普拉斯矩阵的构建依赖于步骤（1）中生成的三维体数据拓扑结构信息，然后对拉普拉斯矩阵进行特征值、特征向量分解，并利用谱分析的方法求得每一个超像素点的Biharmonic分布情况。

4.根据权利要求1所述的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：步骤（3）中对各超像素点的描述方法，该方法基于各超像素点的Biharmonic扩散部分，从而计算得到其对应的Biharmonic等值线，并对等值线上的采样点之间的L2距离进行直方图统计，最终将多条等值线的直方图统计结果作为该超像素点的描述。

5.根据权利要求1所述的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：步骤（4）中，首先对于步骤（3）获取的特征空间进行不同预定义秩级的低秩分解，并将相邻的秩级低秩分解得到的稀疏矩阵进行作差，并将得到的残差稀疏矩阵进行求和，得到最终的显著物体检测结果。