基于稀疏表示和标签传播的显著性检测算法

发布时间：2019-04-04 09:28

【摘要】：为了提高显著性检测的鲁棒性,增加全局信息和局部信息的联系,提出一种基于稀疏表示和标签传播的显著性检测算法.首先将复杂数据集进行简洁的表达,获得数据间更深层次的全局联系,并利用稀疏表示理论定义邻接矩阵,突破以往具有共同边界的限制,将处于同一子空间的数据点定义为邻居;其次利用图像中每个区域间的相似度计算权值矩阵并构建图模型,然后经过有效筛选部分边界区域获得背景标签;最后基于上述算法获得的图模型和背景标签,应用标签传播算法预测未标记区域的标签信息,获得最终的显著性图.在多个公开的显著性数据库上进行实验,验证了文中算法的有效性.
[Abstract]:In order to improve the robustness of significance detection and increase the relationship between global information and local information, an algorithm of significance detection based on sparse representation and label propagation is proposed. Firstly, the complex data set is expressed concisely, and the deeper global relation between the data is obtained, and the adjacency matrix is defined by the sparse representation theory, which breaks through the limitation of the common boundary in the past. Define data points in the same subspace as neighbors; Secondly, the weight matrix is calculated by the similarity degree of each region in the image and the graph model is constructed, and then the background label is obtained by effectively selecting some boundary regions. Finally, based on the graph model and background label obtained by the above algorithm, the label propagation algorithm is applied to predict the label information of the unmarked region, and the final significance map is obtained. The effectiveness of the proposed algorithm is verified by experiments on several open salient databases.
【作者单位】： 上海理工大学光电信息与计算机工程学院;上海师范大学信息与机电工程学院;上海交通大学电子信息与电气工程学院;
【基金】：国家自然科学基金(61502220,U1304616,61472245) 上海市自然科学基金(15ZR1428600)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期

3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期

4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期

5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期

6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期

7 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期

8 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期

9 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期

10 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期

相关会议论文 前1条

1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

相关博士学位论文 前10条

1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

2 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

3 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

4 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

5 程广涛;基于压缩感知的人脸识别方法研究[D];天津大学;2015年

6 黄丹丹;基于稀疏表示的视觉目标跟踪方法研究[D];大连理工大学;2016年

7 赵淑欢;欠完备采样环境下面向数据的稀疏表示人脸识别研究[D];燕山大学;2016年

8 刘海仓;基于稀疏表示的图像超分辨率与目标跟踪方法研究[D];湖南大学;2015年

9 项凤涛;基于稀疏表示与优化的图像信息处理方法及应用[D];国防科学技术大学;2014年

10 刘兆栋;基于稀疏表示理论的图像去噪与融合算法研究[D];重庆大学;2016年

相关硕士学位论文 前10条

1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年

2 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年

3 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

4 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

5 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

6 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

7 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

8 梁晓捷;基于网络摄像头与稀疏表示分类法的实时人脸识别系统应用研究[D];五邑大学;2015年

9 陈蒙;基于稀疏表示特征的人脸识别方法研究[D];深圳大学;2015年

10 袁文;基于稀疏表示的行人检测方法研究[D];南京理工大学;2015年

，

本文编号：2453688