一种基于显著性指导的词典学习的弱监督图像解析方法

摘要

本发明公开了一种基于显著性指导的词典学习的弱监督图像解析方法。获得图像集及其图像级标签，对每幅图像进行超像素分割，对每个超像素提取多维特征，组合形成特征矩阵；对每幅图像进行显著性检测，得到每个超像素的平均显著值；同时定义包含有不同标签的词典，计算得到每个超像素中的指导向量；构建优化问题模型并进行求解，获得每个超像素的表示系数与其在每个词典原子中的权重以及词典：根据各个超像素的表示系数、权重和词典，求解获得每个超像素对应的标签：由此完成图像解析，获得图像的分割结果。本发明改造了传统词典学习方法，并利用显著性先验，与以往的弱监督图像解析方法相比，得到了更好的效果。