【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重于2維圖像上的方法,并不能很好地利用深度進行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圖像顯著目標檢測方法,提取基于顏色和深度顯著圖的綜合特征,根據構圖先驗和背景先驗的方法進行顯著目標檢測。首先,對原始深度圖進行預處理:使用背景頂點區(qū)域、構圖交點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重構造關聯(lián)矩陣,根據構圖先驗,假設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行融合并優(yōu)化得到最終顯著圖。實驗采用RGB-D1000數據集進行顯著性檢測,并與4種不同的方法進行對比,所提方法的顯著性檢測結果更接近人工標定結果,PR(查準率-查全率)曲線顯示在相同召回率下準確率高于其他方法。
[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】： 安徽大學信息保障技術協(xié)同創(chuàng)新中心;安徽大學計算機科學與技術學院;
【基金】：國家科技支撐計劃(2015BAK24B00) 高等學校博士學科點專項科研基金(20133401110009) 安徽高校省級自然科學研究項目(KJ2015A009) 安徽大學信息保障技術協(xié)同創(chuàng)新中心開放課題~~
【分類號】：TP391.41

【相似文獻】

相關期刊論文 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;;圖像邊緣的數學結構分析[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];微型電腦應用;2009年04期

4 曾友州;胡瑩;曾偉一;鄭曉霞;;提取數字圖像邊緣的算法比較[J];成都航空職業(yè)技術學院學報;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];計算機科學;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算法[J];寧夏大學學報(自然科學版);2012年01期

7 宋建中;;噴霧圖像的自動分析[J];光學機械;1988年04期

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

9 張曉清;;摳圖另一法[J];數字世界;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)仿真技術及其應用學術論文集（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術會議論文集[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方法[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產業(yè)發(fā)展（下冊）[C];2001年

4 王強;王風;;一種保持圖像幾何特征的去噪模型[A];中國通信學會第五屆學術年會論文集[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];中國圖象圖形學會第十屆全國圖像圖形學術會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術研討會（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量評測方法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

7 漆琳智;張超;吳向陽;;引導濾波的單幅圖像前景精確提取[A];浙江省電子學會2013學術年會論文集[C];2013年

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

9 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術學術交流會論文集（下冊）[C];2010年

10 羅強;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學術會議論文集[C];2005年

相關重要報紙文章 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 ;圖像質量調整秘技[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

相關博士學位論文 前10條

1 周靜;基于憶阻器的圖像處理技術研究[D];國防科學技術大學;2014年

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

4 郝紅星;基于干涉相位圖像構建數字高程模型的關鍵技術研究[D];國防科學技術大學;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用研究[D];重慶大學;2015年

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

相關碩士學位論文 前10條

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

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

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

4 向訓文;RGB-D圖像顯著性檢測研究[D];華南理工大學;2015年

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

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

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

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

，

本文編號：2517354