龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：桂林电子科技大学
摘要：本发明公开了一种基于MCP稀疏表示字典学习模型的显著性检测方法。包括提取图像或视频的超像素特征；基于minimaxconcavepenaltyMCP稀疏约束设计稀疏表示字典学习模型；使用稀疏表示字典学习模型通过重构误差来学习图像显著性区域，重构误差大的超像素位置被认为是显著性区域；采用基于上下文的方案来获得像素级的统一重构误差。通过利用多尺度重建误差和面向对象的高斯细化过程获取像素级别的显著性检测图；采用贝叶斯积分方法来合并从重构误差中学习到的显著性检测图，得到最终显著性检测结果。本发明将提高图像或视频的显著性检测水平。此外，本发明通过对现实图像和视频信号进行显著性检测验证，相较于传统的显著性检测方法具有更好的效果。
主权项：1.一种基于MCP稀疏表示字典学习模型的显著性检测方法，其特征是：包括如下步骤：1将原图像或视频信息分割成超像素级别，提取超像素特征；2设计一个可以进行对图像或视频信号稀疏重构的模型，该模型采用minimaxconcavepenaltyMCP稀疏正则化作为稀疏约束，MCP正则化可以保证系数矩阵的强稀疏性，基于minimaxconcavepenaltyMCP稀疏约束设计稀疏表示字典学习模型；3将步骤1提取的超像素特征作为原信号，与图像或视频帧的四个边缘接触的超像素组成稀疏表示的字典，带入步骤2的MCP稀疏表示字典学习模型；使用稀疏表示字典学习模型通过重构误差来学习图像显著性区域，重构误差大的超像素位置被认为是显著性区域；4采用基于上下文的方案来获得像素级的统一重构误差；通过利用多尺度重建误差和面向对象的高斯细化过程获取像素级别的显著性检测图；5采用贝叶斯积分方法来合并从重建误差中学习到的显著性检测图，得到最终显著性检测结果。
全文数据：
权利要求：
百度查询： 桂林电子科技大学 基于MCP稀疏表示字典学习模型的显著性检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号