计算机应用研究

作者：刘明明,仇文宁,孙伟,

单位：1.江苏建筑职业技术学院智能制造学院,江苏徐州221008；2.中国矿业大学信控学院,江苏徐州221116；

关键词：显著性目标检测,低秩矩阵双因子分解,分层稀疏正则化,交替方向法,

基金：国家自然科学基金资助项目(61801198)；江苏省自然科学基金资助项目(BK20180174)；“青蓝工程”资助项目；；

近年来，基于矩阵低秩表示模型的图像显著性目标检测受到了广泛关注。在传统模型中通常对秩最小化问题进行凸松弛，但是这种方法在每次迭代中必须执行矩阵奇异值分解（SVD），计算复杂度较高。为此，提出了一种低秩矩阵双因子分解和结构化稀疏矩阵分解联合优化模型，并应用于显著性目标检测。该模型不仅利用低秩矩阵双因子分解和交替方向法（ADM）来降低时间开销，而且引入分层稀疏正则化刻画稀疏矩阵中元素之间的空间关系；此外，所提算法能够无缝集成高层先验知识指导矩阵分解过程。实验结果表明，提出的算法检测性能优于当前主流无监督显著性目标检测算法，且具有较低的时间复杂度。

来源：2020年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第7期