融合多视角信息的RGB-D图像协同显著性检测
2018-08-06吴乾绅
网络安全与数据管理 2018年7期
吴乾绅
(1.中国科学院合肥物质科学研究院,安徽 合肥 230031; 2.中国科学技术大学,安徽 合肥 230026)
0 引言
图像的显著性[1]概念是人类在研究视觉感知机制的过程中提出来的,可以理解为视觉场景中物体吸引人类注意力的程度。近年来,图像显著性检测研究受到了广泛关注,并在物体识别、图像检索等领域展现出广阔的应用前景。早期的工作主要基于人工设计的视觉特征进行显著性检测,例如对比算法[1]以及多尺度显著区域融合[2]等。近年来,深度学习被逐渐用于图像显著性检测,并取得了良好的实验效果[3]。随着深度相机的普及,深度图像(RGB-D图像)的数据规模呈爆炸式增长,而且能克服二维图像丢失深度信息的不足,因此利用深度信息提升视觉分析性能逐渐成为计算机视觉领域新的趋势,吸引了研究人员的关注。在已有研究中,文献[4]融合了深度信息来检测图像中的显著目标,文献[5]采用了一种进化策略检测RGB-D图像中的显著区域。以上工作均局限于检测单幅图像的显著性,难以用于检测一组相关图像的协同显著性。
较之单幅图像显著性检测,图像协同显著性检测力求在一组内容相关的图片中发现共有的显著目标。理论上,互相关联的图片组包含了更多信息,而且重复出现的目标有助于进一步理解图像。对于RGB图像,文献[6]通过采用3个自下而上的显著特征(对比特征、空间特征以及相似特征)进行特征聚类来获得协同显著图。文献[7]提出了一个基于多层分割的算法模型,该算法在粗分割的基础上确定目标轮廓,然后通过细分割检测区域间的相似性。……
登录APP查看全文
