The invention relates to a depth image saliency detection method combined with depth confidence estimation. Compared with planar images, the depth features contained in stereoscopic images provide more effective information for object saliency detection. The invention includes depth credibility evaluation factor calculation, pre-processing and depth saliency detection; depth credibility evaluation factor is used to objectively describe the reliability of depth information of the target region contained in depth map; the better the depth map reliability is, the more useful information is extracted from the target object. In addition, the region close to the human eye but not the salient object in the image will affect the saliency detection to a certain extent; a pretreatment method is proposed to reduce the interference of such background areas as the ground; finally, the depth compactness and contrast-based saliency is achieved by combining the depth credibility evaluation factor. The final significant results are obtained. The depth map produced by the invention has high quality and keeps good consistency with the visual attention mechanism.
【技术实现步骤摘要】
一种结合深度可信度评价因子的深度图显著性检测方法
本专利技术属于视频图像处理
,具体涉及一种结合深度图可信性评价因子的深度图显著性检测方法。
技术介绍
近年来,在计算机视觉、神经科学等多个领域中对于人类视觉注意力机制的建模和研究已经成为主流。视觉注意力机制可以帮助人类快速地识别视觉显著区域,进而从大量复杂的视觉信息中获取有价值的内容。因此,模仿人类视觉机制进行显著性区域检测是计算机视觉领域的热门研究内容之一。如今,多媒体技术迅速成为当前的热门技术,立体视频(图像)备受社会各界关注,三维摄像机、立体电视机等数码媒体产品受到人们的追捧,成为信息技术的主流媒体并深深地影响着我们的日常生活。之所以立体视频技术相对于传统的二维视频技术更加热门,是因为它可以给观众提供一种更真实的体验感,其包含的深度信息具有丰富的视觉层次感,同时也有更强的视觉冲击。针对显著性检测技术,传统的检测模型大部分是基于图像的颜色,亮度等特性而采用不同的算法进行显著性检测,但日常生活中人眼除了接收到颜色、亮度等信息,深度信息也是信息特征之一。在立体图像的显著性计算过程中,深度特征可以提供更准确的位置信息。简单来说,深度图像的像素值能反映场景中物体到相机的距离,可应用于立体场景中目标区域的提取。而到目前为止,对于立体图像的显著性检测模型仍然没有系统完整的框架,而针对于深度图的研究和计算也才逐步兴起。鉴于上述现状,需要对立体图像和深度信息进行进一步的研究和学习,充分利用深度图像中的有效信息,进行显著性计算,并且与立体图像显著性计算的其他特征计算融合,准确的检测出立体图像的显著区域。
技术实现思路
...
【技术保护点】
1.一种结合深度可信度评价因子的深度图显著性检测方法,其特征在于能够对深度图所包含目标区域的有效信息进行度量,并滤除部分背景区域的干扰,该方法具体包括以下步骤:步骤一:输入深度图,采用SLIC算法将深度图分割为超像素块,并构建图G=(V,E);节点V由超像素分割产生,并设定为每一个超像素块的质心;边缘E连接相邻像素块;步骤二:深度可信度评价因子分析深度可信度评价因子用来客观的描述深度图所包含目标区域深度信息的可信度;以超像素块为单元,结合均值、方差、熵值的物理意义,首先定义每个超像素块的参数并将其归一化,具体如下:
【技术特征摘要】
1.一种结合深度可信度评价因子的深度图显著性检测方法,其特征在于能够对深度图所包含目标区域的有效信息进行度量,并滤除部分背景区域的干扰,该方法具体包括以下步骤:步骤一:输入深度图,采用SLIC算法将深度图分割为超像素块,并构建图G=(V,E);节点V由超像素分割产生,并设定为每一个超像素块的质心;边缘E连接相邻像素块;步骤二:深度可信度评价因子分析深度可信度评价因子用来客观的描述深度图所包含目标区域深度信息的可信度;以超像素块为单元,结合均值、方差、熵值的物理意义,首先定义每个超像素块的参数并将其归一化,具体如下:其中,m和s分别表示深度图的深度平均值和标准差,mi表示超像素块i的深度均值,0≤i≤N,N为超像素块的个数,;H为二维图像熵,表示深度值分布的随机性,pl为某个深度灰度值在该图像中出现的概率,可由灰度直方图获得,L为灰度等级;C0为控制常量,设定其值为2.0;融合各超像素块的参数得出深度图可信度评价因子λ如下:其中,N为SLIC算法计算时的超像素块个数,N取200;步骤三:深度图预处理在初步获取深度图像后,图像中距离人眼较近但非显著物体所在区域对于显著性检测会造成影响;针对该情况提出一种预处理方式来降低地面等这类背景区域的干扰;具体如下:式中,Ik表示原始深度图中某像素点k的深度值,Ik′表示预处理后的像素点k的深度值;为像素点k所在行的深度平均值;步骤四:深度图显著区域检测1)基于紧凑度和对比度的显著性计算;在完成深度可靠性因子评价和图像预处理后,从深度紧凑度和深度对比度两方面进行显著性检测计算;a)基于紧凑度的显著性计...
【专利技术属性】
技术研发人员:周洋,刘晓琪,尉婉丽,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江,33
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。