基于RGB-D信息的顯著物體檢測.pdf

1、在計(jì)算機(jī)視覺領(lǐng)域，從自然場景中檢測并分割出顯著物體是一個(gè)活躍的課題，也產(chǎn)生了很多有意義的應(yīng)用。當(dāng)前大多數(shù)的顯著物體檢測方法利用顏色信息以及多種先驗(yàn)信息來獲得較好的結(jié)果。盡管場景深度在人類的視覺系統(tǒng)中扮演著非常重要的角色，它在顯著物體檢測中的作用還沒有被深度挖掘。當(dāng)前由于一系列深度相機(jī)的出現(xiàn)，使得獲得場景深度信息更加便捷。因此，最近研究者提出了幾種將深度信息考慮在內(nèi)的顯著物體檢測方法。但是，這些方法的性能都是有限的。
　　本文首先探

2、索了深度信息在顯著物體檢測中的作用。四種經(jīng)典的2D顯著物體檢測算法被用來生成基于顏色信息的顯著圖，然后檢測結(jié)果將和一種深度顯著度計(jì)算方法產(chǎn)生的結(jié)果融合。實(shí)驗(yàn)結(jié)果表明深度信息能有效提升這些算法的效果。但是，將顏色信息和深度信息分開考慮，忽略了這兩種信息內(nèi)在的相關(guān)性。為了有效利用這種相關(guān)性，本文提出了兩種有效的基于RGB-D信息的顯著物體檢測算法。
　　第一種算法是一種基于優(yōu)化的算法。首先，提出一種融合深度信息的圖像過分割算法，將RG

3、B-D圖像分割成規(guī)則的超像素。然后，提出了一種有效的方法進(jìn)行背景度量，并對背景建模結(jié)果進(jìn)行保持邊緣的平滑。同時(shí)，通過一種多級前景建模方法獲得前景度量。最后，通過設(shè)計(jì)優(yōu)化算法求解得到顯著圖。
　　第二種方法是一種基于學(xué)習(xí)的方法。本文提取了圖像區(qū)域的多種特征，包括顏色，位置，深度，紋理等特征。采用隨機(jī)森林回歸器進(jìn)行學(xué)習(xí)，對檢測圖片提取特征后能直接將特征向量映射成顯著值。通過多尺度特征學(xué)習(xí)與融合，獲得顯著圖。
　　實(shí)驗(yàn)表明，這兩種