基于深度信息的图像显著性检测方法和装置制造方法及图纸

技术编号:18861768 阅读:23 留言:0更新日期:2018-09-05 14:48
本发明专利技术公开了一种基于深度信息的图像显著性检测方法和装置。其中,该方法包括: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,得到待检测图像的显著性图像。本发明专利技术解决了现有技术中的显著性检测算法精准度不高的技术问题。

Image saliency detection method and device based on depth information

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,得到待检测图像的显著性图像。根据本专利技术实施例的另一方面,还提供了一种基于深度信息的图像显著性检测装置,包括:第一获取模块,用于获取待检测图像以及待检测图像的深度图像;第二获取模块,用于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;第一处理模块,用于基于第一特征图像和第二特征图像,得到待检测图像的显著性图像。根据本专利技术实施例的另一方面,还提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述基于深度信息的图像显著性检测方法。根据本专利技术实施例的另一方面,还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行上述基于深度信息的图像显著性检测方法。在本专利技术实施例中,通过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,得到待检测图像的显著性图像,本专利技术在获取待检测图像的显著性图像时,结合了待检测图像的深度图像的特征信息,从而实现了提高图像显著性检测结果,使图像中的显著性区域更精准地显现出来,为后期的目标识别和分类等应用提供精准且有用的信息的技术效果,进而解决了现有技术中的显著性检测算法精准度不高的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解,构成本申请的一部分,本专利技术的示意性实施例及其说明用于解释本专利技术,并不构成对本专利技术的不当限定。在附图中:图1是根据本专利技术实施例的一种基于深度信息的图像显著性检测方法的示意图;以及图2是根据本专利技术实施例的一种基于深度信息的图像显著性检测装置的示意图。具体实施方式需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。为了使本
的人员更好地理解本专利技术方案,下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分的实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本专利技术保护的范围。需要说明的是,本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。实施例1根据本专利技术实施例,提供了一种基于深度信息的图像显著性检测方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的基于深度信息的图像显著性检测方法,如图1所示,该方法包括如下步骤:步骤S102,获取待检测图像以及待检测图像的深度图像;步骤S104,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;步骤S106,基于第一特征图像和第二特征图像,得到待检测图像的显著性图像。具体的,步骤S102中获取待检测图像的深度图像时,可以使用Kinect设备待检测图像的深度图像。除RGB信息之外,深度信息已经被证明有助于显著性估计,本专利技术在获取待检测图像的显著性图像时,结合了待检测图像的特征信息和深度图像的特征信息,将深度信息有效的与RGB信息进行整合,因此对待检测图像的显著性检测能够更加精准,更加鲁棒性的检测出显著性物体。在本专利技术实施例中,通过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,得到待检测图像的显著性图像,本专利技术在获取待检测图像的显著性图像时,结合了待检测图像的深度图像的特征信息,从而实现了提高图像显著性检测结果,使图像中的显著性区域更精准地显现出来,为后期的目标识别和分类等应用提供精准且有用的信息的技术效果,进而解决了现有技术中的显著性检测算法精准度不高的技术问题。除此之外,随着3D数据采集技术(如使用飞行时间传感器和MicrosoftKinect的技术)的发展以及视觉场景变得越来越复杂,2D数据已经不能满足提取突出物体的需求,3D数据相较于2D数据更适合于实际应用,然而目前大多数关于显著性检测的方法都集中在二维图像上,并不适用于三维图像的显著性检测,而本专利技术由于结合了深度信息,因此有利于区分具有相似外观的不同物体,能够适用于对三维图像的显著性检测,可以用来对3D内容进行监视、检索和图像识别。在一种可选的实施例中,步骤S104中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,得到第二特征图像之前,方法还包括:步骤S202,构建先验模型引导深度增强网络,其中,先验模型引导深度增强网络包括主网络和子网络,主网络为编码器-解码器结构,子网络为编码器结构;步骤S104中获取待检测图像的特征图像,包括:步骤S204,通过主网络的编码器获取待检测图像的特征图像;步骤S10本文档来自技高网
...

【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

网友询问留言 已有0条评论
  • 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。

1