【技术实现步骤摘要】
本专利技术属于图像处理，尤其涉及一种光场图像显著性检测方法。
技术介绍
1、光场图像记录了场景中光线的空间与角度信息，因而可以更完整的表征现实场景中的丰富信息，使用光场图像中的聚焦栈图像与全聚焦图像进行显著性检测可以有效提高显著性检测的效率。但是，仅仅将原始的聚焦栈图像与全聚焦图像进行特征融合无法充分挖掘聚焦栈图像的特性，也不能充分捕获两种模态之间的高频信息，无法实现对两种模态信息的充分利用已成为制约光场显著性检测的主要瓶颈。
2、因此，亟需一种光场图像显著性检测方法，以解决现有技术中的不足之处。
技术实现思路
1、本专利技术的目的在于提出一种光场图像显著性检测方法，通过使用基于聚焦栈与全聚焦的两种光场图像表征形式，并基于这两种表征方式提供一种光场图像显著性检测方法来对光场图像生成显著图。
2、为实现上述目的，本专利技术提供了一种光场图像显著性检测方法，包括以下步骤：
3、获取原始聚焦栈图像；
4、基于所述原始聚焦栈图像，获取新全聚焦栈图像；
5、对所述原始聚焦栈图像和所述新全聚焦栈图像进行特征提取，获取原始聚焦栈特征图和新全聚焦栈特征图；
6、对所述原始聚焦栈特征图和所述新全聚焦栈特征图进行多特征融合，获取目标融合特征图；
7、利用所述目标融合特征图，生成最终显著图。
8、可选的，获取所述原始聚焦栈图像包括：
9、从光场图像中提取光场聚焦栈图像；
10、将所述光
11、可选的，基于所述原始聚焦栈图像，获取所述新全聚焦栈图像包括：
12、从光场图像中提取全聚焦图像；
13、将原始聚焦栈图像按预定顺序取出，通过卷积操作，获取每张聚焦栈图像的特征图；
14、将每张所述聚焦栈图像的特征图和所述全聚焦图像进行可变卷积操作，获取所述新全聚焦栈图像。
15、可选的，对所述原始聚焦栈图像和所述新全聚焦栈图像进行特征提取，获取所述原始聚焦栈特征图和所述新全聚焦栈特征图包括：
16、将所述原始聚焦栈图像和所述新全聚焦栈图像输入pvt模型进行特征提取，获取所述原始聚焦栈特征图和所述新全聚焦栈特征图。
17、可选的，对所述原始聚焦栈特征图和所述新全聚焦栈特征图进行多特征融合，获取所述目标融合特征图包括：
18、利用卷积长短时记忆将所述原始聚焦栈特征图和所述新全聚焦栈特征图的维度进行统一，并使用膨胀卷积模型，将所述原始聚焦栈特征图和所述新全聚焦栈特征图的通道数统一，获取目标原始聚焦栈特征图和目标新全聚焦栈特征图；
19、将所述目标原始聚焦栈特征图和所述目标新全聚焦栈特征图分级级联，获取融合后的特征图；
20、利用显著图真值gt对所述融合后的特征图进行监督，然后采用上采样操作将融合后的多级特征分辨率进行统一，并进行特征相加，获取所述目标融合特征图。
21、可选的，利用卷积长短时记忆将所述原始聚焦栈特征图和所述新全聚焦栈特征图的维度进行统一，并使用膨胀卷积模型，将所述原始聚焦栈特征图和所述新全聚焦栈特征图的通道数统一为：
22、
23、
24、其中，in为维度统一后的全新聚焦堆栈图像，fn为维度统一后的原始堆栈图像，rfb是指膨胀卷积模块，convlstm是指convlstm卷积模块，为新全聚焦栈图像，为原始聚焦栈图。
25、可选的，利用显著图真值gt对所述融合后的特征图进行监督的过程中采取交叉熵损失。
26、可选的，利用所述目标融合特征图，生成所述最终显著图包括：
27、将所述目标融合特征图视为潜在特征编码，并输入局部隐函数，生成显著图；
28、对所述显著图的坐标进行位置编码，获取编码后的高频坐标信号；
29、将所述编码后的高频坐标信号和所述潜在特征编码输入所述局部隐函数，获取对应坐标的像素值；
30、通过遍历每个所述坐标，得到每个所述坐标对应的像素值，并生成所述最终显著图。
31、可选的，通过遍历每个所述坐标，得到每个所述坐标对应的像素值，并生成所述最终显著图包括：
32、m(xq)＝fθ(z*,ψ(xq))
33、其中，fθ(·)是指局部隐函数模块，通过多层感知机的方式实现，m(·)是根据输入的潜在编码z*与坐标ψ(xq)预测得到的像素值。
34、本专利技术具有以下有益效果：与将原始的聚焦栈图像与全聚焦图像进行直接特征融合不同，本专利技术充分挖掘聚焦栈图像隐式的蕴含场景的深度信息这一特性，首先将单张全聚焦图像膨胀为数量为12的新全聚焦栈图像，从而在整体上扩大了网络中蕴含的深度信息；之后为了增强在显著性检测中有益的高频信息，使用局部隐函数中的高频坐标建立与潜在编码特征中的映射关系，最终得到了高频信号增强的显著图，从而生成了更为完整清晰的显著图，满足目标追踪、语义分割等下游任务的需求。
本文档来自技高网...【技术保护点】
1.一种光场图像显著性检测方法，其特征在于，具体包括以下步骤：
2.如权利要求1所述的一种光场图像显著性检测方法，其特征在于，获取所述原始聚焦栈图像包括：
3.如权利要求1所述的一种光场图像显著性检测方法，其特征在于，基于所述原始聚焦栈图像，获取所述新全聚焦栈图像包括：
4.如权利要求1所述的一种光场图像显著性检测方法，其特征在于，对所述原始聚焦栈图像和所述新全聚焦栈图像进行特征提取，获取所述原始聚焦栈特征图和所述新全聚焦栈特征图包括：
5.如权利要求1所述的一种光场图像显著性检测方法，其特征在于，对所述原始聚焦栈特征图和所述新全聚焦栈特征图进行多特征融合，获取所述目标融合特征图包括：
6.如权利要求5所述的一种光场图像显著性检测方法，其特征在于，利用卷积长短时记忆将所述原始聚焦栈特征图和所述新全聚焦栈特征图的维度进行统一，并使用膨胀卷积模型，将所述原始聚焦栈特征图和所述新全聚焦栈特征图的通道数统一为：
7.如权利要求5所述的一种光场图像显著性检测方法，其特征在于，利用显著图真值GT对所述融合后的特征图进行监
8.如权利要求1所述的一种光场图像显著性检测方法，其特征在于，利用所述目标融合特征图，生成所述最终显著图包括：
9.如权利要求8所述的一种光场图像显著性检测方法，其特征在于，通过遍历每个所述坐标，得到每个所述坐标对应的像素值，并生成所述最终显著图包括：
...【技术特征摘要】
1.一种光场图像显著性检测方法，其特征在于，具体包括以下步骤：
2.如权利要求1所述的一种光场图像显著性检测方法，其特征在于，获取所述原始聚焦栈图像包括：
3.如权利要求1所述的一种光场图像显著性检测方法，其特征在于，基于所述原始聚焦栈图像，获取所述新全聚焦栈图像包括：
4.如权利要求1所述的一种光场图像显著性检测方法，其特征在于，对所述原始聚焦栈图像和所述新全聚焦栈图像进行特征提取，获取所述原始聚焦栈特征图和所述新全聚焦栈特征图包括：
5.如权利要求1所述的一种光场图像显著性检测方法，其特征在于，对所述原始聚焦栈特征图和所述新全聚焦栈特征图进行多特征融合，获取所述目标融合特征图包括：
<...【专利技术属性】
技术研发人员：郑馨，李争取，王伯阳，徐奇奇，刘德阳，李杰，王远志，
申请(专利权)人：安庆师范大学，
类型：发明
国别省市：
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。