张孟;陈晓云 显著目标检测的稀疏表示模型。 (中文。英文摘要) Zbl 1438.68250号 福州大学自然科学学报。 47,第2期,185-191(2019). 摘要:现有的基于稳健主成分分析(RPCA)模型的显著性目标检测方法在显著性目标颜色不同的情况下无法获得一致的显著性值。为了解决这个问题,本文提出了一种用于显著目标检测的稀疏表示模型。使用{l_1}范数约束显著对象的表示系数,引入拉普拉斯正则化来保持显著对象超像素的邻域关系。因此,相似的超像素具有相似的表示系数,并且显著对象的内部更平滑,与显著值更一致。在两个公共显著目标检测数据集上的实验表明,该方法是有效的。 MSC公司: 68T45型 机器视觉和场景理解 62H25个 因子分析和主成分;对应分析 68吨10 模式识别、语音识别 68单位10 图像处理的计算方法 关键词:稳健主成分分析;显著物体检测;稀疏表示;图正则化 PDF格式BibTeX公司 XML格式引用 \textit{M.Zhang}和\textit{X.Chen},福州理工大学。47,第2号,185--191(2019;Zbl 1438.68250) 全文: 内政部