这是一篇CVPR2012关于Saliency Detection的一篇文章,很火的一个话题。作者是Xiaohui Shen和Ying Wu。项目主页在这里:http://users.eecs.northwestern.edu/~xsh835/LowRankSaliency.html。
这篇文章提出了一种新的图像表示方法,将其表示为一个低秩矩阵(非显著区域)加上稀疏噪音(显著区域),再利用[1]中提出的Robust PCA技术进行低秩矩阵恢复,得到的噪音就是显著区域,再根据高层次的先验知识来帮助修正显著区域。
矩阵的构造:先利用Mean-shift算法将图像分割成很多较小的segments(如下图b所示),再用每个segment中所有特征向量的均值来表示这个segment,从而构造成为矩阵。
特征:R,G,B,hue,saturation,3尺度下4个方向共12个steerable pyramids响应,3尺度8方向共12个Gabor fileters响应,加起来一共53维。
低秩矩阵恢复问题可以表示为:<