一种RGBD图像协同显著性检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109255357A(43)申请公布日2019.01.22(21)申请号201810879724.6(22)申请日2018.08.03(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人雷建军丛润民郑泽勋李重仪徐立莹张哲(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人李林娟(51)Int.Cl.G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书8页附图1页(54)发明名称一种RGBD图像协同显著性检测方法(57)摘要本发明公开了一种RGBD图像协同显著性检测方法，所述方法包括：计算给定的RGBD图像组的图内显著性图；在图内显著性图的辅助下，图间对应关系被建模为一个层次化的稀疏重建框架，其中全局重建模型用于捕获图像组的全局特性，交互重建模型用于挖掘图像对之间的交互关系；将全局重建模型和交互重建模型的显著性结果融合，获取层次化的图间显著性结果；通过包含数据项、空间平滑性和全局一致项的能量函数，对图内显著性结果和层次化的图间显著性结果进行优化，得到最终的协同显著性检测结果。本发明可以准确提取图像组中的共有显著性目标，背景抑制能力强，显著性目标轮廓清晰。CN109255357ACN109255357A权利要求书1/2页1.一种RGBD图像协同显著性检测方法，其特征在于，所述方法包括以下步骤：计算给定的RGBD图像组的图内显著性图；在图内显著性图的辅助下，图间对应关系被建模为一个层次化的稀疏重建框架，其中全局重建模型用于捕获图像组的全局特性，交互重建模型用于挖掘图像对之间的交互关系；将全局重建模型和交互重建模型的显著性结果融合，获取层次化的图间显著性结果；通过包含数据项、空间平滑性和全局一致项的能量函数，对图内显著性结果和层次化的图间显著性结果进行优化，得到最终的协同显著性检测结果。2.根据权利要求1所述的一种RGBD图像协同显著性检测方法，其特征在于，所述全局重建模型的构建过程具体为：选择初始前景种子点，考虑类别、颜色、深度和显著性约束，计算一致性测度对初始前景种子点进行筛选，获取具有较大一致性值的超像素作为最终前景种子点；将最终前景种子点集合中超像素的特征向量堆叠排列后得到全局前景字典，利用重建误差来测量图像的显著性；获取超像素的全局图间显著性。3.根据权利要求2所述的一种RGBD图像协同显著性检测方法，其特征在于，所述考虑类别、颜色、深度和显著性约束，计算一致性测度对初始前景种子点进行筛选具体为：利用K均值聚类将初始前景种子点集合中的超像素分为若干类，每个超像素对应一个类中心；考虑类别、颜色、深度和显著性约束，获取初始前景种子点集合中的每个超像素的一致性测度；根据阈值选择初始前景种子点集合中具有较大一致性值的超像素作为最终前景种子点。4.根据权利要求2所述的一种RGBD图像协同显著性检测方法，其特征在于，所述将最终前景种子点集合中超像素的特征向量堆叠排列后得到全局前景字典的步骤之前，所述方法还包括：采用颜色分量、深度属性、空间位置和纹理分布来对超像素进行特征表示。5.根据权利要求2所述的一种RGBD图像协同显著性检测方法，其特征在于，所述超像素的全局图间显著性具体为：其中，表示超像素通过全局前景字典DGF重建得到的重建误差，为超像素的特征2表示，表示超像素的最优稀疏系数，||·||2为2范数，σ＝0.1是常数。6.根据权利要求1所述的一种RGBD图像协同显著性检测方法，其特征在于，所述交互重建模型的构建过程具体为：选择前K个具有较大图内显著性值的超像素区域作为种子点，提取特征向量，堆叠组合后得到N个交互前景字典；利用图像Ik生成的交互前景字典对图像Ii进行交互重建，k＝1,2,...,N且k＝i，获取超像素的交互图间显著性。2CN109255357A权利要求书2/2页7.根据权利要求6所述的一种RGBD图像协同显著性检测方法，其特征在于，所述超像素的交互图间显著性具体为：其中，表示超像素通过交互前景字典重建得到的重建误差，表示超像素由交互前景字典重建时得到的最优稀疏系数，为超像素的特征表示。8.根据权利要求1所述的一种RGBD图像协同显著性检测方法，其特征在于，所述能量函数具体为：其中，表示超像素rm优化后的显著性值，sm＝Sa(rm)·Sr(rm)表示超像素rm的初始显著性值，Sa(rm)为超像素rm的图内显著性值，Sr(rm)为超像素rm的层次化的图间显著性值，为整个图像组中所有超像素的初始显著性值组成的向量，为整个图像组中所有超像素的优化后的显著性值组成的向量，T为转置，为图像组中所有图像所有超像素的总个数，Ω表示图内超像素的空间邻接关系，W为相似性矩阵，为相似性矩阵