The invention discloses an image saliency detection method and device based on depth information. The method includes: acquiring the depth image of the image to be detected and the image to be detected; acquiring the feature image of the image to be detected, obtaining the first feature image, and acquiring the feature image of the depth image, obtaining the second feature image; obtaining the display of the image to be detected based on the first feature image and the second feature image. Sexual images. The invention solves the technical problem that the accuracy of the saliency detection algorithm in the existing technology is not high.
【技术实现步骤摘要】
基于深度信息的图像显著性检测方法和装置
本专利技术涉及图像处理领域,具体而言,涉及一种基于深度信息的图像显著性检测方法和装置。
技术介绍
当人们看图像时,人们总是关注整个图像的一个子集,这就是所谓的视觉注意力,视觉注意力是一个神经生物学过程,能够过滤出不相关的信息,并突出最显著的前景信息。目前已经开发了各种计算模型,包括显著性检测算法,来模拟这种机制,用于主动注视控制、识别、分割以及图像检索。一般而言,显著性检测算法可以分为自上而下的方法和自下而上的方法,其中,自上而下的方法由任务驱动,需要监督学习;自下而上的方法通常使用低级提示,如颜色特征、距离特征和启发式显著特征,其中,最常用的启发式显著特征之一是对比度,如基于像素或基于斑点的对比度。但是目前的显著性检测算法仅仅使用RGB信息,在检测显著性物体尤其是针对3D数据时,精准度不高,方法健壮性不够强,容易造成误检、漏检等情况,很难得到一个精确的图像显著性检测结果,不仅造成显著性物体本身的错检,同时也会对利用显著性检测结果的应用造成一定的误差。针对上述现有技术中的显著性检测算法精准度不高的问题,目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种基于深度信息的图像显著性检测方法和装置,以至少解决现有技术中的显著性检测算法精准度不高的技术问题。根据本专利技术实施例的一个方面,提供了一种基于深度信息的图像显著性检测方法,包括:获取待检测图像以及待检测图像的深度图像;获取待检测图像的特征图像,得到第一特征图像,以及获取深度图像的特征图像,得到第二特征图像;基于第一特征图像和第二特征图像,得到待检测图像 ...
【技术保护点】
1.一种基于深度信息的图像显著性检测方法,其特征在于,包括:获取待检测图像以及所述待检测图像的深度图像;获取所述待检测图像的特征图像,得到第一特征图像,以及获取所述深度图像的特征图像,得到第二特征图像;基于所述第一特征图像和所述第二特征图像,得到所述待检测图像的显著性图像。
【技术特征摘要】
1.一种基于深度信息的图像显著性检测方法,其特征在于,包括:获取待检测图像以及所述待检测图像的深度图像;获取所述待检测图像的特征图像,得到第一特征图像,以及获取所述深度图像的特征图像,得到第二特征图像;基于所述第一特征图像和所述第二特征图像,得到所述待检测图像的显著性图像。2.根据权利要求1所述的方法,其特征在于,获取所述待检测图像的特征图像,得到第一特征图像,以及获取所述深度图像的特征图像,得到第二特征图像之前,所述方法还包括:构建先验模型引导深度增强网络,其中,所述先验模型引导深度增强网络包括主网络和子网络,所述主网络为编码器-解码器结构,所述子网络为编码器结构;获取所述待检测图像的特征图像,包括:通过所述主网络的编码器获取所述待检测图像的特征图像;获取所述深度图像的特征图像,包括:通过所述子网络的编码器获取所述深度图像的特征图像;基于所述第一特征图像和所述第二特征图像,得到所述待检测图像的显著性图像,包括:基于所述第一特征图像和所述第二特征图像,通过所述主网络的解码器,得到所述待检测图像的显著性图像。3.根据权利要求2所述的方法,其特征在于,所述主网络的编码器为VGG结构,所述VGG结构采用全卷积网络,所述全卷积网络包括多个单元,每个所述单元包括卷积层、批量标准化层和整流线性激活单元。4.根据权利要求2所述的方法,其特征在于,构建先验模型引导深度增强网络,包括:构建所述主网络;其中,构建所述主网络,包括:采用显著性检测数据集对所述主网络进行预训练。5.根据权利要求1-4中任意一项所述的方法,其特征在于,基于所述第一特征图像和所述第二特征图像,得到所述待检测图像的显著性图像,包括:采用多特征拼接技术对所述第一特征图像和所述第二特征图像进行拼接,得到拼接后图像;根据所述拼接后图像得到所述待检测图像的...
【专利技术属性】
技术研发人员:李革,朱春彪,蔡行,
申请(专利权)人:北京大学深圳研究生院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。