论文部分内容阅读
针对现有电力图像识别准确率有待提高的问题,文章提出一种电力设备图像显著性检测框架。首先提取图像的低层语义信息,选择关键特征;其次利用神经网络对超像素分割图像训练得到表征显著度的概率矩阵;然后根据图像内部结构化特性提出基于惩罚因子的结构化稀疏约束:对大概率成为显著目标的像素块用小因子惩罚,反之用大因子惩罚;最后利用判别字典实现目标背景分离。利用电网平台监控数据进行对比实验,结果表明文章的框架能够高效提取目标。