發(fā)布時(shí)間：2021-07-23 10:44

　　在計(jì)算機(jī)視覺(jué)中,顯著性目標(biāo)檢測(cè)任務(wù)既無(wú)處不在又充滿挑戰(zhàn).本文主要研究基于非凸低秩矩陣分解的圖像顯著性檢測(cè)建模和算法.主要包括:1.給出圖像顯著性目標(biāo)檢測(cè)的基本問(wèn)題;概括低秩模型所需的優(yōu)化概念,定理、常用的顯著性目標(biāo)檢測(cè)數(shù)據(jù)集及評(píng)價(jià)標(biāo)準(zhǔn);2.提出一種基于加權(quán)組稀疏和Schatten-1范數(shù)分解,即:和Schatten-2/3范數(shù)分解即:以及Schatten-1/2范數(shù)分解,即:的圖像顯著性目標(biāo)檢測(cè)模型,其中X=UV^T.我們通過(guò)ADMM算法求解模型,并給出算法收斂性證明.3.建立一種基于Schatten-2/3范數(shù)和稀疏l_2/3范數(shù)的非凸圖像顯著性目標(biāo)檢測(cè)模型,其本質(zhì)上等價(jià)于“基于Frobenius/核范數(shù)與非凸l_2/3范數(shù)即:的檢測(cè)模型”.同時(shí),本文給出其相應(yīng)的快速迭代算法和理論分析.實(shí)驗(yàn)表明新算法是有意義的. 

【文章來(lái)源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

背景矩陣秩出現(xiàn)的概率

低秩和加權(quán)組稀疏的視覺(jué)效應(yīng)為了加大顯著性目標(biāo)S和背景L的差異，我們考慮拉普拉斯項(xiàng)Q:

F-度量曲線


本文編號(hào)：3299143