[发明专利]基于低秩矩阵表示的图像前景物体检测方法及检测系统

摘要

本发明公开了一种基于低秩矩阵表示的图像前景物体检测方法及检测系统。其中，该方法包括提取待处理图像的特征，并利用特征聚类的方式对待处理图像进行子区域划分；接着计算每一子区域的特征均值，以获得子区域的特征表示，并将全部子区域的特征表示排列成矩阵，以获得待处理图像的特征矩阵；然后，利用低秩矩阵表示方法，将特征矩阵分解成低秩矩阵与稀疏矩阵；再针对稀疏矩阵的每一列计算l_∞范数，以获得对应子区域的显著性值，并基于子区域的显著值来构成待处理图像的显著图；最后，对显著图进行自适应阈值划分，从而获得待处理图像的前景物体区域。通过本发明实施例解决了如何从前景和背景表观相似的图像中完整地检测前景物体的技术问题。

主权项

1.一种基于低秩矩阵表示的图像前景物体检测方法，其特征在于，所述方法至少包括：提取待处理图像的特征，并利用特征聚类的方式对所述待处理图像进行子区域划分；计算每一子区域的特征均值，以获得所述子区域的特征表示，并将所述全部子区域的特征表示排列成矩阵，以获得所述待处理图像的特征矩阵；利用低秩矩阵表示方法，将所述特征矩阵分解成低秩矩阵与稀疏矩阵；针对所述稀疏矩阵的每一列计算l_∞范数，以获得对应子区域的显著性值，并基于所述子区域的显著值来构成所述待处理图像的显著图；对所述显著图进行自适应阈值划分，从而获得所述待处理图像的前景物体区域；所述利用低秩矩阵表示方法，将所述特征矩阵分解成低秩矩阵与稀疏矩阵，具体包括：计算所述子区域间的相似度矩阵；根据所述子区域间的相似度矩阵，确定拉普拉斯矩阵；使用所述拉普拉斯矩阵，并利用低秩矩阵表示方法将所述特征矩阵分解成所述低秩矩阵与所述稀疏矩阵；“计算所述子区域间的相似度矩阵”的步骤具体包括根据以下公式，确定相邻子区域之间的相似度：其中，σ_c与σ_f表示高斯函数的标准差变量；c_i表示子区域中心点的坐标位置；f_i表示子区域的特征表示；N表示子区域数量；i,j的取值为0,...,N；将不相邻子区域之间的相似度设置为零；通过确定出相邻子区域之间的相似度和不相邻子区域之间的相似度，得到子区域间的相似度矩阵W＝[w_i,j]_N×N；“根据所述子区域间的相似度矩阵，确定拉普拉斯矩阵”的步骤具体包括根据以下公式来确定拉普拉斯矩阵：L＝D‑W其中，D＝diag{d_1,1,...,d_i,i,...,d_N,N}表示对角矩阵；N表示子区域数量；d_i,i＝∑_jw_i,j；W表示相似度矩阵；w_i,j表示相似度矩阵中的元素；i,j的取值为0,...,N；“使用所述拉普拉斯矩阵，并利用低秩矩阵表示方法将所述特征矩阵分解成所述低秩矩阵与所述稀疏矩阵”的步骤具体包括根据以下公式将所述特征矩阵分解成所述低秩矩阵与所述稀疏矩阵：其中，S表示稀疏矩阵；Z表示低秩矩阵；||·||_*表示核范数；||·||_2,1表示组稀疏范数，且定义为s_i表示稀疏矩阵的第i列；Tr表示求矩阵的迹；α和β分别表示矩阵分解算法的参数；所述低秩矩阵表达图像背景区域，所述稀疏矩阵表示图像前景物体区域。