基于RGB-D信息的顯著物體檢測.pdf

1、在計算機視覺領(lǐng)域，從自然場景中檢測并分割出顯著物體是一個活躍的課題，也產(chǎn)生了很多有意義的應(yīng)用。當前大多數(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。當前由于一系列深度相機的出現(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算方法產(chǎn)生的結(jié)果融合。實驗結(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行背景度量，并對背景建模結(jié)果進行保持邊緣的平滑。同時，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。采用隨機森林回歸器進行學(xué)習，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)習與融合，獲得顯著圖。
　　實驗表明，這兩種