一种基于Gram矩阵和F范数的图像特征检测方法技术

本发明专利技术公开了一种基于Gram矩阵和F范数的图像特征检测方法，属于图像显著性目标检测技术领域。本发明专利技术的图像特征检测方法首先去掉VGG‑16网络最后一层的池化层和全联接层，提取图像在多个尺度下丰富的多层次特征张量，并利用Gram矩阵和F范数对多尺度下的图像进行权重判定，求得特征张量在不同尺度不同卷积层的权重，最后利用各尺度下的权重对图像进行加权融合得到最终的特征图像。实验结果表明，该方法有效地融合了多级卷积特性。融合后的特征互补、鲁棒，可用于检测各种场景中的显著物体。本发明专利技术的检测模型在复杂场景下效果较好，与前人的方法相比，显著图像边界信息更加明显，高亮区域更加均匀。

【技术实现步骤摘要】
一种基于Gram矩阵和F范数的图像特征检测方法
本专利技术属于图像显著性目标检测
，具体地涉及一种基于Gram矩阵和F范数的图像特征检测方法。
技术介绍
人们通过人眼视觉系统获取大部分信息，图像作为主要的视觉信息，逐渐成为了生活中信息传递的主要方式之一，使得人们之间的信息交流方式变得丰富起来，并不仅限于语言和文字交流。显著性目标检测的目的是定位图像中最明显和最吸引眼球的区域，体现人眼对图像各区域的重视程度，减少场景的复杂度，它可以做为许多计算机视觉任务的预处理步骤，如场景分类、图像分割、视觉追踪、信息隐藏等，在图像处理领域具有至关重要的作用。近些年来人们提出了很多有价值的方法，但对于一些复杂场景的图像，精确定位目标仍然很困难。目前，已有的图像显著性检测算法可以分为两大类：基于传统的方法和基于深度学习的方法。基于传统的方法主要首先从图像从分辨出显著子集，将这些显著子集合并以分割出完整的显著图像。其原理是利用图像内部线索基于块的检测和利用图像内部线索基于区域的检测，如Itti等提出了一种算法，首采用频率调整方法来计算全分辨率显著图，其本文档来自技高网...

【技术保护点】
1.一种基于Gram矩阵和F范数的图像特征检测方法，其特征在于：采用去除最后一层下采样层、池化层和全连接层的VGG-16网络，所述图像显著性目标检测方法包括如下步骤：/n(1)将每个待检测图像输入网络中，提取不同尺度和深度的特征张量S

【技术特征摘要】
1.一种基于Gram矩阵和F范数的图像特征检测方法，其特征在于：采用去除最后一层下采样层、池化层和全连接层的VGG-16网络，所述图像显著性目标检测方法包括如下步骤：
(1)将每个待检测图像输入网络中，提取不同尺度和深度的特征张量Si，其中,i为特征张量的数量，1≤i≤5,i取1时，为浅层特征张量；i取5时，为深层特征张量；所述特征张量Si由浅到深的长宽均为上一特征张量的一半；
(2)获取特征张量Si的Gram矩阵Gi,分别计算Gram矩阵Gi的F范数wi，将所得的F范数wi分别作为对应特征张量Si的权重系数；
(3)通过上采样方式将所述特征张量Si根据权重系数依次进行加权融合，得到特征图像；
(4)重复步骤(1)-(3)，得到所有待检测图像的特征图像，将特征图像和对应的背景真值图像进行比较，训练网络，当交叉熵损失函数收敛，完成对网络的训练；
(5)再次收集待检测图像输入训练好的网络中，输出待检测图像的显著性特征图像。


2.根据权利要求1所述的基于Gram矩阵和F范...

【专利技术属性】
技术研发人员：张善卿，孟一恒，李黎，陆剑锋，俞俊，
申请(专利权)人：绍兴图信物联科技有限公司，
类型：发明
国别省市：浙江;33