【摘要】：深度信息被證明是人類視覺的重要組成部分,然而大部分顯著性檢測工作側(cè)重于2維圖像上的方法,并不能很好地利用深度進(jìn)行RGB-D圖像顯著性檢測。該文提出一種融合顯著深度特征的RGB-D圖像顯著目標(biāo)檢測方法,提取基于顏色和深度顯著圖的綜合特征,根據(jù)構(gòu)圖先驗和背景先驗的方法進(jìn)行顯著目標(biāo)檢測。首先,對原始深度圖進(jìn)行預(yù)處理:使用背景頂點(diǎn)區(qū)域、構(gòu)圖交點(diǎn)和緊密度處理深度圖,多角度融合形成深度顯著圖,并作為顯著深度特征,結(jié)合顏色特征形成綜合特征;其次,從前景角度,將綜合特征通過邊連接權(quán)重構(gòu)造關(guān)聯(lián)矩陣,根據(jù)構(gòu)圖先驗,假設(shè)多層中心矩形為前景種子,通過流形排序方法計算出RGB-D圖像的前景顯著圖;從背景角度,根據(jù)背景先驗以及邊界連通性計算出背景顯著圖;最后,將前景顯著圖和背景顯著圖進(jìn)行融合并優(yōu)化得到最終顯著圖。實驗采用RGB-D1000數(shù)據(jù)集進(jìn)行顯著性檢測,并與4種不同的方法進(jìn)行對比,所提方法的顯著性檢測結(jié)果更接近人工標(biāo)定結(jié)果,PR(查準(zhǔn)率-查全率)曲線顯示在相同召回率下準(zhǔn)確率高于其他方法。
[Abstract]:The depth information is proved to be an important part of human vision, but most of the significance detection work is focused on the method on the 2-dimensional image, and the RGB-D image saliency detection can not be performed well by using the depth. In this paper, a significant target detection method of RGB-D image with significant depth features is proposed, and the comprehensive features based on the color and depth saliency maps are extracted, and a significant target detection is carried out according to the method of the prior and background of the composition. firstly, pre-processing the original depth map: using a background vertex area, a composition intersection point and a compact density processing depth map, multi-angle fusion to form a depth saliency map, The method comprises the following steps of: constructing a correlation matrix through an edge connection weight; according to a composition a priori, assuming that the multi-layer center rectangle is a foreground seed, calculating a foreground saliency map of the RGB-D image by a manifold sorting method; and calculating a background saliency map from the background angle, according to the background prior and the boundary connectivity; And finally, the foreground saliency map and the background saliency map are fused and optimized to obtain the final saliency map. In the experiment, the data set of RGB-D1000 was used for the significance test, and compared with the four different methods, the significance test results of the proposed method were more close to the results of the artificial calibration, and the PR (the accuracy-checking rate) curve showed that the accuracy rate of the same recall rate was higher than that of other methods.
【作者單位】： 安徽大學(xué)信息保障技術(shù)協(xié)同創(chuàng)新中心;安徽大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：國家科技支撐計劃(2015BAK24B00) 高等學(xué)校博士學(xué)科點(diǎn)專項科研基金(20133401110009) 安徽高校省級自然科學(xué)研究項目(KJ2015A009) 安徽大學(xué)信息保障技術(shù)協(xié)同創(chuàng)新中心開放課題~~
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃炯;圖像邊緣處理[J];電視字幕(特技與動畫);2000年09期

2 劉建忠;;圖像邊緣的數(shù)學(xué)結(jié)構(gòu)分析[J];軟件;2011年05期

3 陳文兵;張小磊;;基于圖像邊緣的能見度計算方法[J];微型電腦應(yīng)用;2009年04期

4 曾友州;胡瑩;曾偉一;鄭曉霞;;提取數(shù)字圖像邊緣的算法比較[J];成都航空職業(yè)技術(shù)學(xué)院學(xué)報;2009年04期

5 潘衛(wèi)國;鮑泓;何寧;;一種傳統(tǒng)中國書畫圖像的二分類方法[J];計算機(jī)科學(xué);2012年03期

6 周濤;陸惠玲;拓守恒;馬競先;楊德仁;;基于非凸區(qū)域下近似的圖像邊緣修補(bǔ)算法[J];寧夏大學(xué)學(xué)報(自然科學(xué)版);2012年01期

7 宋建中;;噴霧圖像的自動分析[J];光學(xué)機(jī)械;1988年04期

8 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實現(xiàn)[J];微電子學(xué)與計算機(jī);2014年08期

9 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11期

10 潘泓;夏良正;;一種基于圖像邊緣的矩計算方法[J];模式識別與人工智能;2003年03期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王偉凝;余英林;張劍超;;圖像的動感特征分析[A];第一屆中國情感計算及智能交互學(xué)術(shù)會議論文集[C];2003年

3 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復(fù)方法[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊）[C];2001年

4 王強(qiáng);王風(fēng);;一種保持圖像幾何特征的去噪模型[A];中國通信學(xué)會第五屆學(xué)術(shù)年會論文集[C];2008年

5 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無參考客觀質(zhì)量評測方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

7 漆琳智;張超;吳向陽;;引導(dǎo)濾波的單幅圖像前景精確提取[A];浙江省電子學(xué)會2013學(xué)術(shù)年會論文集[C];2013年

8 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

9 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

10 羅強(qiáng);任慶利;;基于局部IFS理論提取圖像邊緣[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

相關(guān)重要報紙文章 前3條

1 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報;2009年

2 ;圖像質(zhì)量調(diào)整秘技[N];電腦報;2001年

3 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報;2009年

相關(guān)博士學(xué)位論文 前10條

1 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

2 賈茜;基于時—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學(xué);2014年

3 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學(xué);2014年

4 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

5 楊小義;圖像特征識別算法及其在聾人視覺識別中的應(yīng)用研究[D];重慶大學(xué);2015年

6 溫景陽;圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學(xué);2015年

7 李林;基于概率圖模型的圖像整體場景理解方法研究[D];電子科技大學(xué);2014年

8 余汪洋;基于被動毫米波的隱匿物品探測方法研究[D];北京理工大學(xué);2015年

9 孟凡滿;圖像的協(xié)同分割理論與方法研究[D];電子科技大學(xué);2014年

10 繆君;基于多視圖像的平面場景重建研究[D];南昌大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 李鵬遠(yuǎn);圖像檢索算法研究及其在互聯(lián)網(wǎng)教育中的應(yīng)用[D];華南理工大學(xué);2015年

2 萬燕英;微聚焦X-ray圖像自適應(yīng)正則化去噪方法[D];華南理工大學(xué);2015年

3 毛雙艷;基于梯度域的圖像風(fēng)格化渲染方法的研究及其應(yīng)用[D];華南理工大學(xué);2015年

4 向訓(xùn)文;RGB-D圖像顯著性檢測研究[D];華南理工大學(xué);2015年

5 曾旭;基于聚類和加權(quán)非局部的圖像稀疏去噪方法研究[D];天津理工大學(xué);2015年

6 熊楊超;圖像美學(xué)評價及美學(xué)優(yōu)化研究[D];華南理工大學(xué);2015年

7 王艷;圖像視覺顯著性檢測方法及應(yīng)用的研究[D];華南理工大學(xué);2015年

8 鄭露萍;圖像二階微分特征提取及人臉識別應(yīng)用研究[D];昆明理工大學(xué);2015年

9 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學(xué);2015年

10 曹靜;基于暗通道先驗算法的圖像去霧處理[D];海南大學(xué);2015年

，

本文編號：2517354