[发明专利]一种RGB‑D图显著性的检测方法

说明书

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种RGB-D图显著性的计算方法。

背景技术

目前，计算机视觉中的显著性检测越来越受到人们的关注，显著性检测可以应用在很多视觉任务中，如图像分类、目标识别、图像分割以及目标重定位等。而从二维的RGB彩色图像到三维的RGB-D图的过程中，增加了深度信息，因此深度信息在图像的显著性计算过程中具有重要的作用。

2014年，Cheng等人在论文《Depth enhanced saliency detection method》中分别利用颜色空间和深度空间的视觉线索进行对比，并将二维的中心偏移扩展到三维空间，将三种特征进行融合得到最终显著值。近年来，以深度对比为基础，融合先验知识和优化的显著检测方法取得了卓越的效果。2015年Ren等人在论文《Exploiting global priors for RGB-D saliency detection》中利用曲面方向先验和背景先验检测显著目标，并以PageRank算法和MRF算法优化显著图。2015年Xue等人在《RGB-D saliency detection via mutual guided manifold ranking》中假设RGB彩色图像的四个角为背景，以颜色和深度的共同特征实施RGB彩色图像的显著性检测，再以其结果作为前景种子节点对Depth深度图实施流形排序，最后融合二者完成RGB-D图显著性检测。2016年Guo等人在论文《Salient object detection for RGB-D image via saliency evolution》中融合颜色对比和深度对比的基础上，利用迭代传播的方法得到最终的显著图。

但是，上述现有方法是直接将原始深度图作为特征应用到RGB-D图的显著性检测中，鉴于原始深度图的粗糙性，难以准确表达超像素之间的深度差异程度，导致最终RGB-D图显著性计算结果的准确率收到影响。

发明内容

本发明的目的在于提供一种RGB-D图显著性的检测方法，以提高RGB-D图显著性计算结果的准确率。

为实现以上目的，本发明采用的技术方案为：提供一种RGB-D图显著性的检测方法，包括：

采用显著检测算法对RGB-D图中的Depth深度图进行显著检测，得到深度显著图S_d；

将深度显著图S_d作为特征来加强RGB-D图中的RGB彩色图的流形排序，得到RGB彩色图的显著图S_c；

利用RGB彩色图的显著图S_c指导Depth深度图的流形排序，得到Depth深度图的显著图S_d′；

将RGB彩色图的显著图S_c和Depth深度图的显著图S_d′进行融合，得到RGB-D图的显著图S，以检测RGB-D图的显著性。

进一步地，将深度显著图S_d作为特征来加强RGB-D图中的RGB彩色图的流形排序，得到RGB彩色图的显著图S_c，具体包括：

构造RGB彩色图的无向图G_c＝(V_c,E_c)，其中V_c是顶点集，包含RGB彩色图经过分割算法分割后获得的超像素的集合，E_c为关联矩阵加权的边集，表示两顶点i、j之间的边的连接权重；

定义特征向量f_c＝[c_,D,n]^T，其中c表示RGB彩色图经过分割后获得的超像素在CIELAB颜色空间内的均值，D表示RGB彩色图分割后获得超像素直接映射到RGB-D图像中的Depth深度图所形成的超像素在深度显著图S_d中的均值，n表示RGB彩色图经过分割后获得的超像素法线均值，其中，的定义为：s_cc，s_cD和s_cn分别是控制权重的参数常量；

利用RGB彩色图的四个拐角区域作为背景种子，对所述RGB彩色图经过分割后获得的超像素节点之间的相关性实施流形排序算法，得到RGB彩色图的显著图S_c。

进一步地，利用RGB彩色图的显著图S_c指导Depth深度图的流形排序，得到Depth深度图的显著图S_d′，具体包括：