背景与前景融合的RGB-D图像显著性检测

TP391.4; RGB-D图像显著性检测是指在传统的2D图像中附加深度信息从而提取显著对象,但是现有的显著性检测模型,大多数只关注显著物体本身,却忽略了背景信息.因此,提出了一个新颖的显著性检测模型,将深度信息同时考虑到背景和前景中提取出显著区域.首先,通过图像边界信息的背景测量机制来去除前景噪声并从边界超像素中选择背景种子,从而计算出基于背景的显著图;其次,将输入的图像构造成图,并将深度信息引入到图形结构中,利用颜色、深度、位置等线索获取前景种子,从而计算出基于前景的显著图;最后,将背景图和前景图融合获得初始显著图,再加以元胞优化,迭代传播后得到最终的显著图.在三个RGB-D图像显著性检测...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 14; no. 7; pp. 1232 - 1242
Main Authors 赵强, 王爱平, 刘政怡
Format Journal Article
LanguageChinese
Published 安徽大学 计算智能与信号处理教育部重点实验室,合肥 230601 01.07.2020
安徽大学 计算机科学与技术学院,合肥 230601
安徽大学 信息保障技术协同创新中心,合肥 230601
Subjects
RGB-D图像显著性检测
显著图像融合
迭代传播
前景和背景
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.1906021

Cover

More Information
Summary:TP391.4; RGB-D图像显著性检测是指在传统的2D图像中附加深度信息从而提取显著对象,但是现有的显著性检测模型,大多数只关注显著物体本身,却忽略了背景信息.因此,提出了一个新颖的显著性检测模型,将深度信息同时考虑到背景和前景中提取出显著区域.首先,通过图像边界信息的背景测量机制来去除前景噪声并从边界超像素中选择背景种子,从而计算出基于背景的显著图;其次,将输入的图像构造成图,并将深度信息引入到图形结构中,利用颜色、深度、位置等线索获取前景种子,从而计算出基于前景的显著图;最后,将背景图和前景图融合获得初始显著图,再加以元胞优化,迭代传播后得到最终的显著图.在三个RGB-D图像显著性检测数据集LFSD、NJU-400、NJU-2000上进行对比实验,实验结果表明,该方法具备有效性,同时也提高了检测准确率.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1906021