一种光场显著性检测方法及其相关设备技术

本发明专利技术涉及一种光场显著性检测方法及其相关设备，涉及计算机视觉技术领域；该方法的一具体实施方式包括：获取光场数据集合；其中，光场数据集合包括全聚焦图像及其对应的焦点堆栈图像；对全聚焦图像进行梯度变换处理生成梯度图像，将梯度图像与噪声标签进行元素乘处理，得到对象梯度图像；其中，噪声标签是通过无监督网络模型训练得到的；将对象梯度图像和焦点堆栈图像输入显著性检测模型，以输出显著性图像；该实施方式实现了提高显著性检测精度

【技术实现步骤摘要】
一种光场显著性检测方法及其相关设备


[0001]本专利技术涉及计算机视觉
，特别是涉及一种光场显著性检测方法及其相关设备
。

技术介绍

[0002]显著性检测是从图像中标记出最吸引人注意的目标或区域，准确有效的显著性检测可以为图像检索
、
目标检测与识别和图像压缩等任务提供可靠的先验信息
。
光场数据记录着空间光线的位置信息和方向信息，隐含着场景的几何结构，能为显著性检测提供可靠的背景
、
深度等先验信息
。
[0003]相关技术中的显著性检测方法包括基于传统
RGB
图像（
2D
图像）的显著性检测方法
、
基于
RGB
‑
D
（
3D
图像，是在
2D
图像的基础上增加了深度信息）的显著性检测方法和基于光场数据的显著性检测方法
。
其中，基于
RGB
图像和基于
RGB
‑
D
图像的显著本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种光场显著性检测方法，其特征在于，包括：获取光场数据集合；其中，所述光场数据集合包括全聚焦图像及其对应的焦点堆栈图像；对所述全聚焦图像进行梯度变换处理生成梯度图像，将所述梯度图像与噪声标签进行元素乘处理，得到对象梯度图像；其中，所述噪声标签是通过无监督网络模型训练得到的；将所述对象梯度图像和所述焦点堆栈图像输入显著性检测模型，以输出显著性图像
。2.
根据权利要求1所述的方法，其特征在于，所述将所述对象梯度图像和所述焦点堆栈图像输入显著性检测模型，以输出显著性图像的步骤，包括：将所述对象梯度图像和所述焦点堆栈图像输入显著性检测模型中分别提取第一图像特征和第二图像特征，并将所述第一图像特征和所述第二图像特征进行特征组合得到组合特征，对所述组合特征进行显著性检测，输出显著性图像
。3.
根据权利要求2所述的方法，其特征在于，所述对所述组合特征进行显著性检测，输出显著性图像的步骤包括：根据迭代次数阈值对所述组合特征进行显著性检测，得到多个显著性检测结果，对所述多个显著性检测结果进行过滤处理，输出显著性图像
。4.
根据权利要求2所述的方法，其特征在于，所述将所述对象梯度图像和所述焦点堆栈图像输入显著性检测模型中分别提取第一图像特征和第二图像特征，并将所述第一图像特征和所述第二图像特征组合得到组合特征的步骤包括：通过所述显著性检测模型从所述对象梯度图像中提取多个梯度图像特征，对所述多个梯度图像特征进行降维处理得到所述第一图像特征；通过所述显著性检测模型从所述焦点堆栈图像提取多个堆栈图像特征，对所述多个堆栈图像特征进行降维处理得到所述第二图像特征；基于所述显著性检测模型的通道维度，将所述第一图像特征和所述第二图像特征进行特征组合得到所述组合特征
。5.
根据权利要求3所述的方法，其特征在于，所述显著性检测模型包括遗忘矩阵，所述根据迭代次数阈值对所述组合特征进行...

【专利技术属性】
技术研发人员：居法银，李宁，朱虎，
申请(专利权)人：江苏优众微纳半导体科技有限公司，
类型：发明
国别省市：