基于显著中心先验的RGB‑D图像显著目标检测方法技术

本发明专利技术公开了一种基于显著中心先验的RGB‑D图像显著目标检测方法，包括基于深度图的显著中心先验和基于RGB图的显著中心先验，基于深度图的显著中心先验：计算RGB图中其他超像素与深度图显著目标中心超像素的深度特征欧式距离，以此作为显著权重加强RGB图的显著检测结果，从而使得深度特征有效指导RGB图显著检测，提升RGB图显著检测结果；基于RGB图的显著中心先验：计算深度图中其他超像素与RGB图显著目标中心超像素的CIELab颜色特征欧式距离，以此作为显著权重加强深度图的显著检测结果，从而使得RGB特征有效指导深度图显著检测，提升深度图显著检测结果。

RGB salient object detection method for D image based on prior significant Center

The invention discloses a salient object RGB D image detection method based on a priori significant center, including based on depth map based on RGB map and significant center prior significant center prior, depth map was based on Euclidean distance calculation center prior: depth characteristics of RGB map and other super pixel depth map was the center of the target pixel as a significant weight, strengthen significantly the detection result of RGB map, which makes the depth characteristics of effective guidance RGB was detected, significantly enhance the detection results of RGB diagram; RGB diagram based on the calculation of the center prior significant depth map in other super pixels and RGB map marked target center super pixel CIELab color feature as the Euclidean distance significant weight significantly strengthen test results of depth map, which makes the RGB feature effective guidance depth map significantly enhance detection, detection depth map significantly Result\u3002

【技术实现步骤摘要】
基于显著中心先验的RGB-D图像显著目标检测方法
本专利技术涉及计算机图像处理
，特别是涉及一种基于显著中心先验的RGB-D图像显著目标检测方法。
技术介绍
如今，我们的世界充满着大量的信息，各种信息以不同的载体出现在我们的身边，有声音、文字、图像、视频等等。尽管外界信息如此多样化，人类依然可以依靠视觉感知系统去感知约80％的信息，并且能够在较短的时间内对如此繁杂的信息做出识别和响应。而这一切都是因为人类视觉机制会选择性地过滤非注意事件，而优先对注意事件保持较高的准确率和响应速度。启发于人类的视觉注意机制，计算机视觉领域诞生了图像显著目标检测技术。显著目标检测目的是识别出图像场景中最容易引起人类注意力的目标，主要应用在图像分割、图像压缩、图像检索、目标检测和识别等领域。计算机在进行相关图像处理操作前可以采用显著检测技术过滤掉无关信息，从而大大减小图像处理的工作量，提升效率。尽管显著目标检测已经被广泛地研究了数十年，但是许多先前的工作都是集中在2D图像的显著检测上。近来，越来越多的显著目标检测研究工作开始融合多模态的图像数据以提高显著检测的性能，其中对RGB-D图像的显著目标检测开始吸引越来越多的注意力，这不仅仅是因为诸如MicrosoftKinect和VelodyneLidars等测距传感器的出现，同时也是因为RGB-D图像的显著检测在航海和机器人操作中也变得越来越重要。现有的显著目标检测方法包括基于对比度的方法、背景先验、中心先验。(1)基于对比度的方法又分为全局对比和局部对比两种方法。全局对比的思想主要通过计算当前超像素或像素与图像中其他超像素或像素的颜色、纹理、深度等特征差异来确定显著值；局部对比的思想主要通过计算当前超像素或像素与图像中相邻超像素或像素的颜色、纹理、深度等特征差异来确定显著值。比如2014年Peng等人《RGBDSalientObjectDetection:ABenchmarkandAlgorithms》采用三层显著检测框架，通过全局对比方法，融合颜色、深度、位置等特征信息进行显著计算。(2)显著检测模型采用背景先验知识进行显著性计算，比如2013年Yang等人《SaliencyDetectionviaGraph-BasedManifoldRanking》假设RGB彩色图像的四条边为背景，应用ManifoldRanking(流形排序算法)排序所有超像素节点的相关性完成显著性计算。(3)采用中心先验进行显著性计算，比如2015年Cheng等人《GlobalContrastBasedSalientRegionDetection》假设图像的中心超像素为显著目标超像素，通过计算其他超像素与该中心超像素的颜色和空间差异值来进行显著性计算。上述方法中，在进行显著性计算时有的没有提取深度特征，而不能适用于RGB-D图像的显著检测，比如Yang等人的背景先验方法；有的只是单独地对深度特征和颜色特征分别处理，再做简单的融合，而不能使得深度特征和RGB特征间相互指导，相互提升显著检测效果，比如Peng等人的方法；有的是主观性地将图像的中心作为显著目标，这并不能适用于显著目标偏移图像中心的情形，比如Cheng等人的方法。因此亟需提供一种新型的RGB-D显著目标检测方法来解决上述问题。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于显著中心先验的RGB-D图像显著目标检测方法，能够使深度特征和RGB特征间相互指导相互提升，准确检测RGB-D图像的显著性。为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种基于显著中心先验的RGB-D图像显著目标检测方法，包括基于深度图的显著中心先验和基于RGB图的显著中心先验，显著中心先验方法需分别提取Depth深度图像显著目标的中心超像素和RGB图像显著目标的中心超像素，并通过计算其它超像素与中心超像素的颜色或者深度欧式距离，进行RGB-D图像显著性计算。在本专利技术一个较佳实施例中，所述基于显著中心先验的RGB-D图像显著目标检测方法，包括以下步骤：S1：对RGB-D图像采用SLIC算法进行超像素分割；S2：以超像素为单位，采用显著检测方法对RGB-D图像中的RGB彩色图像进行显著目标检测，获得RGB图像初始显著图SB；S3：以超像素为单位，采用显著检测方法对RGB-D图像中的Depth深度图像进行显著目标检测，获得Depth深度图像初始显著图SD；S4：依据Depth深度图像初始显著图SD，采用基于深度图的显著中心先验，确定Depth深度图像初始显著图SD的显著目标中心超像素，并获取所述显著目标中心超像素的深度值，然后，计算其他超像素与所述显著目标中心超像素的深度值的欧式距离，并以此作为显著权重去加强RGB图像初始显著图SB，得到RGB图像最终显著图WSB，完成RGB图像的显著目标检测；S5：依据RGB图像最终显著图WSB，采用基于RGB图的显著中心先验，确定RGB图像最终显著图WSB的显著目标中心超像素，并获取所述显著目标中心超像素的CIELab颜色特征值，然后，计算其他超像素与所述显著目标中心超像素的CIELab颜色特征值的欧式距离，并以此作为显著权重去加强Depth深度图像初始显著图SD，得到Depth深度图像最终显著图WSD；S6：对Depth深度图像最终显著图WSD进行优化产生RGB-D图像的最终显著图。进一步的，在步骤S4中，显著性具体计算方法如下：S4.1：依据公式(1)找出Depth深度图像初始显著图SD中显著目标的中心超像素的空间坐标CEND，其中，RN表示Depth深度图像初始显著图中显著值大于T°的超像素集合，而T°取Depth深度图像初始显著图显著值的均值，|Ri|表示超像素Ri中的像素点的个数，SD(i)表示Depth深度图像初始显著图中超像素节点Ri的显著值，RCi表示超像素节点Ri的中心空间坐标；S4.2：依据公式(2)在Depth深度图像初始显著图中找出该显著目标中心超像素Rk，并确定该中心超像素的深度值Rk＝argmin||RCi-CEND||,i＝1,2,...N(2)S4.3：依据公式(4)计算其他超像素与该显著目标中心超像素的深度值的欧式距离OD，其中，d(i)表示超像素i的深度值，表示SD中显著目标的中心超像素的深度值；S4.4：将其他超像素与该显著目标中心超像素的深度值的欧式距离OD作为显著权重，采用公式(5)去加强RGB图像初始显著图SB，得到RGB图像最终显著图WSB，WSB(i)＝SB(i)*OD(i)(5)其中，OD(i)为超像素i的显著权重。进一步的，在步骤S5中，显著性具体计算方法如下：S5.1：依据公式(6)找出RGB图像最终显著图WSB中显著目标的中心超像素的空间坐标CENC；其中，RN表示RGB图像最终显著图中显著值大于T°的超像素集合，而T°取RGB图像最终显著图显著值的均值，|Ri|表示超像素Ri中的像素点的个数，WSB(i)表示RGB图像最终显著图中超像素节点Ri的显著值，RCi表示超像素节点Ri的中心空间坐标；S5.2：依据公式(7)在RGB图像最终显著图中找出该显著目标中心超像素Rk，并确定该中心超像素的CIELab颜色特征值Rk＝argmin||RCi-CENC||,i＝本文档来自技高网...

【技术保护点】
一种基于显著中心先验的RGB‑D图像显著目标检测方法，其特征在于，包括基于深度图的显著中心先验和基于RGB图的显著中心先验，显著中心先验方法需分别提取Depth深度图像显著目标的中心超像素和RGB图像显著目标的中心超像素，并通过计算其它超像素与中心超像素的颜色或者深度欧式距离，进行RGB‑D图像显著性计算。

【技术特征摘要】
1.一种基于显著中心先验的RGB-D图像显著目标检测方法，其特征在于，包括基于深度图的显著中心先验和基于RGB图的显著中心先验，显著中心先验方法需分别提取Depth深度图像显著目标的中心超像素和RGB图像显著目标的中心超像素，并通过计算其它超像素与中心超像素的颜色或者深度欧式距离，进行RGB-D图像显著性计算。2.根据权利要求1所述的基于显著中心先验的RGB-D图像显著目标检测方法，其特征在于，包括以下步骤：S1：对RGB-D图像采用SLIC算法进行超像素分割；S2：以超像素为单位，采用显著检测方法对RGB-D图像中的RGB彩色图像进行显著目标检测，获得RGB图像初始显著图SB；S3：以超像素为单位，采用显著检测方法对RGB-D图像中的Depth深度图像进行显著目标检测，获得Depth深度图像初始显著图SD；S4：依据Depth深度图像初始显著图SD，采用基于深度图的显著中心先验，确定Depth深度图像初始显著图SD的显著目标中心超像素，并获取所述显著目标中心超像素的深度值，然后，计算其他超像素与所述显著目标中心超像素的深度值的欧式距离，并以此作为显著权重去加强RGB图像初始显著图SB，得到RGB图像最终显著图WSB，完成RGB图像的显著目标检测；S5：依据RGB图像最终显著图WSB，采用基于RGB图的显著中心先验，确定RGB图像最终显著图WSB的显著目标中心超像素，并获取所述显著目标中心超像素的CIELab颜色特征值，然后，计算其他超像素与所述显著目标中心超像素的CIELab颜色特征值的欧式距离，并以此作为显著权重去加强Depth深度图像初始显著图SD，得到Depth深度图像最终显著图WSD；S6：对Depth深度图像最终显著图WSD进行优化产生RGB-D图像的最终显著图。3.根据权利要求2所述的基于显著中心先验的RGB-D图像显著目标检测方法，其特征在于，在步骤S4中，显著性具体计算方法如下：S4.1：依据公式(1)找出Depth深度图像初始显著图SD中显著目标的中心超像素的空间坐标CEND，其中，RN表示Depth深度图像初始显著图中显著值大于T°的超像素集合，而T°取Depth深度图像初始显著图显著值的均值，|Ri|表示超像素Ri中的像素点的个数，SD(i)表示Depth深度图像初始显著图中超像素节点Ri的显著值，RCi表示超像素节点Ri的中心空间坐标；S4.2：依据公式(2)在Depth深度图像初始显著图中找出该显著目标中心超像素Rk，并确定该中心超像素的深度值Rk＝argmin||RCi-CEND||,i＝1,2,...N(2)S4.3：依据公式(4)计算其他超像素与该显著目标中心超像素的深度值的欧式距离OD，其中，d(i)表示超像素i的深度值，表示SD中显著目标的中心超像素的深度值；S4.4：将...

【专利技术属性】
技术研发人员：刘政怡，石松，黄子超，郭星，李炜，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34