本文關(guān)鍵詞：特征融合與S-D概率矯正的RGB-D顯著檢測

  更多相關(guān)文章： 顯著目標(biāo)檢測 S-D概率矯正 特征融合 Manifold Ranking RGB-D 顏色特征 深度特征

【摘要】：目的許多先前的顯著目標(biāo)檢測工作都是集中在2D的圖像上,并不能適用于RGB-D圖像的顯著性檢測。本文同時提取顏色特征以及深度特征,提出了一種基于特征融合和S-D概率矯正的RGB-D顯著性檢測方法,使得顏色特征和深度特征相互補充。方法首先,以RGB圖像的4個邊界為背景詢問節(jié)點,使用特征融合的Manifold Ranking輸出RGB圖像的顯著圖;其次,依據(jù)RGB圖像的顯著圖和深度特征計算S-D矯正概率;再次,計算深度圖的顯著圖并依據(jù)S-D矯正概率對該顯著圖進行S-D概率矯正;最后,對矯正后的顯著圖提取前景詢問節(jié)點再次使用特征融合的Manifold Ranking方法進行顯著優(yōu)化,得到最終的顯著圖。結(jié)果利用本文RGB-D顯著性檢測方法對RGBD數(shù)據(jù)集上的1 000幅圖像進行了顯著性檢測,并與6種不同的方法進行對比,本文方法的顯著性檢測結(jié)果更接近人工標(biāo)定結(jié)果。Precision-Recall曲線(PR曲線)顯示在相同召回率下本文方法的準(zhǔn)確率較其中5種方法高,且處理單幅圖像的時間為2.150 s,與其他算法相比也有一定優(yōu)勢。結(jié)論本文方法能較準(zhǔn)確地對RGB-D圖像進行顯著性檢測。
【作者單位】： 安徽大學(xué)計算機科學(xué)與技術(shù)學(xué)院;
【關(guān)鍵詞】： 顯著目標(biāo)檢測 S-D概率矯正 特征融合 Manifold Ranking RGB-D 顏色特征 深度特征
【基金】：國家科技支撐計劃基金項目(2015BAK24B01) 高等學(xué)校博士學(xué)科點專項科研基金聯(lián)合資助課題(20133401110009) 安徽高校省級自然科學(xué)研究項目(KJ2015A009)~~
【分類號】：TP391.41
【正文快照】： 第21卷/第10期/2016年10月黃子超,劉政怡/特征融合與S-D概率矯正的RGB-D顯著檢測0引言最近,致力于找到圖像中最重要部分的顯著性檢測已經(jīng)在計算機視覺領(lǐng)域越來越普及[1]。正確提取這些重要目標(biāo)區(qū)域可以大大提高圖像處理與分析的效率和正確性。顯著性檢測可以被應(yīng)用在許多視覺

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周斌;林喜榮;賈惠波;周永冠;;量化層多生物特征融合的最佳權(quán)值[J];清華大學(xué)學(xué)報(自然科學(xué)版);2008年02期

2 丁寶亮;;基于局部特征融合的人臉識別研究[J];中國新技術(shù)新產(chǎn)品;2012年14期

3 劉增榮;余雪麗;李志;;基于特征融合的圖像情感語義識別研究[J];太原理工大學(xué)學(xué)報;2012年05期

4 黃雙萍;俞龍;衛(wèi)曉欣;;一種異質(zhì)特征融合分類算法[J];電子技術(shù)與軟件工程;2013年02期

5 劉冰;羅熊;劉華平;孫富春;;光學(xué)與深度特征融合在機器人場景定位中的應(yīng)用[J];東南大學(xué)學(xué)報(自然科學(xué)版);2013年S1期

6 卞志國;金立左;費樹岷;;特征融合與視覺目標(biāo)跟蹤[J];計算機應(yīng)用研究;2010年04期

7 韓萍;徐建龍;吳仁彪;;一種新的目標(biāo)跟蹤特征融合方法[J];中國民航大學(xué)學(xué)報;2010年04期

8 何賢江;何維維;左航;;一種句詞五特征融合模型的復(fù)述研究[J];四川大學(xué)學(xué)報(工程科學(xué)版);2012年06期

9 劉冬梅;;基于特征融合的人臉識別[J];計算機光盤軟件與應(yīng)用;2013年12期

10 李建科;張輝;趙保軍;張長水;;彩色分量流形特征融合的人臉識別[J];北京理工大學(xué)學(xué)報;2014年05期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 劉冰;羅熊;劉華平;孫富春;;光學(xué)與深度特征融合在機器人場景定位中的應(yīng)用[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

2 翟懿奎;甘俊英;曾軍英;;基于特征融合與支持向量機的偽裝人臉識別[A];第六屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2012年

3 卞志國;金立左;費樹岷;;基于增量判別分析的特征融合與視覺目標(biāo)跟蹤[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

4 韓文靜;李海峰;韓紀(jì)慶;;基于長短時特征融合的語音情感識別方法研究[A];第九屆全國人機語音通訊學(xué)術(shù)會議論文集[C];2007年

5 羅昕煒;方世良;;寬帶調(diào)制信號特征融合方法[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

6 金挺;周付根;白相志;;一種簡單有效的特征融合粒子濾波跟蹤算法[A];2007年光電探測與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會論文集[C];2007年

7 孟凡潔;孔祥維;尤新剛;;基于特征融合的相機來源認證方法[A];全國第一屆信號處理學(xué)術(shù)會議暨中國高科技產(chǎn)業(yè)化研究會信號處理分會籌備工作委員會第三次工作會議�？痆C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周斌;多生物特征融合理論的研究與實驗[D];清華大學(xué);2007年

2 彭偉民;特征數(shù)據(jù)的量子表示與融合方法[D];華南理工大學(xué);2013年

3 陳倩;多生物特征融合身份識別研究[D];浙江大學(xué);2007年

4 蒲曉蓉;多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡(luò)方法[D];電子科技大學(xué);2007年

5 王志芳;基于感知信息的多模態(tài)生物特征融合技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2009年

6 王楠;基于多視覺特征融合的后方車輛檢測技術(shù)研究[D];東北大學(xué)　;2009年

7 徐穎;基于特征融合與仿生模式的生物特征識別研究[D];華南理工大學(xué);2013年

8 樊國梁;基于多類特征融合的蛋白質(zhì)亞線粒體定位預(yù)測研究[D];內(nèi)蒙古大學(xué);2013年

9 劉金梅;多源遙感影像融合及其應(yīng)用研究[D];中國海洋大學(xué);2014年

10 張艷;基于柔性陣列 傳感器的足跡特征分析與應(yīng)用研究[D];安徽大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 付艷紅;基于特征融合的人臉識別算法研究與實現(xiàn)[D];天津理工大學(xué);2015年

2 許超;基于特征融合與壓縮感知的實木地板缺陷檢測方法研究[D];東北林業(yè)大學(xué);2015年

3 楊文婷;基于微博的情感分析算法研究與實現(xiàn)[D];西南交通大學(xué);2015年

4 梅尚健;基于特征融合的圖像檢索研究與實現(xiàn)[D];西南交通大學(xué);2015年

5 王鵬飛;基于多慢特征融合的人體行為識別研究[D];西南大學(xué);2015年

6 丁倩;基于語音信息的多特征情緒識別算法研究[D];山東大學(xué);2015年

7 薛冰霞;基于多模特征融合的人體跌倒檢測算法研究[D];山東大學(xué);2015年

8 何樂樂;醫(yī)學(xué)圖像分類中的特征融合與特征學(xué)習(xí)研究[D];電子科技大學(xué);2015年

9 戴博;基于結(jié)構(gòu)復(fù)雜度特征融合的視覺注意模型研究及其應(yīng)用[D];復(fù)旦大學(xué);2014年

10 王寧;基于特征融合的人臉識別算法[D];東北大學(xué);2013年

，

本文編號：962979