特征融合与S-D概率矫正的RGB-D显著检测

发布时间：2017-10-03 03:36

  本文关键词：特征融合与S-D概率矫正的RGB-D显著检测

  更多相关文章： 显著目标检测 S-D概率矫正 特征融合 Manifold Ranking RGB-D 颜色特征 深度特征

【摘要】：目的许多先前的显著目标检测工作都是集中在2D的图像上,并不能适用于RGB-D图像的显著性检测。本文同时提取颜色特征以及深度特征,提出了一种基于特征融合和S-D概率矫正的RGB-D显著性检测方法,使得颜色特征和深度特征相互补充。方法首先,以RGB图像的4个边界为背景询问节点,使用特征融合的Manifold Ranking输出RGB图像的显著图;其次,依据RGB图像的显著图和深度特征计算S-D矫正概率;再次,计算深度图的显著图并依据S-D矫正概率对该显著图进行S-D概率矫正;最后,对矫正后的显著图提取前景询问节点再次使用特征融合的Manifold Ranking方法进行显著优化,得到最终的显著图。结果利用本文RGB-D显著性检测方法对RGBD数据集上的1 000幅图像进行了显著性检测,并与6种不同的方法进行对比,本文方法的显著性检测结果更接近人工标定结果。Precision-Recall曲线(PR曲线)显示在相同召回率下本文方法的准确率较其中5种方法高,且处理单幅图像的时间为2.150 s,与其他算法相比也有一定优势。结论本文方法能较准确地对RGB-D图像进行显著性检测。
【作者单位】： 安徽大学计算机科学与技术学院;
【关键词】： 显著目标检测 S-D概率矫正 特征融合 Manifold Ranking RGB-D 颜色特征 深度特征
【基金】：国家科技支撑计划基金项目(2015BAK24B01) 高等学校博士学科点专项科研基金联合资助课题(20133401110009) 安徽高校省级自然科学研究项目(KJ2015A009)~~
【分类号】：TP391.41
【正文快照】： 第21卷/第10期/2016年10月黄子超,刘政怡/特征融合与S-D概率矫正的RGB-D显著检测0引言最近,致力于找到图像中最重要部分的显著性检测已经在计算机视觉领域越来越普及[1]。正确提取这些重要目标区域可以大大提高图像处理与分析的效率和正确性。显著性检测可以被应用在许多视觉

【相似文献】

中国期刊全文数据库 前10条

1 周斌;林喜荣;贾惠波;周永冠;;量化层多生物特征融合的最佳权值[J];清华大学学报(自然科学版);2008年02期

2 丁宝亮;;基于局部特征融合的人脸识别研究[J];中国新技术新产品;2012年14期

3 刘增荣;余雪丽;李志;;基于特征融合的图像情感语义识别研究[J];太原理工大学学报;2012年05期

4 黄双萍;俞龙;卫晓欣;;一种异质特征融合分类算法[J];电子技术与软件工程;2013年02期

5 刘冰;罗熊;刘华平;孙富春;;光学与深度特征融合在机器人场景定位中的应用[J];东南大学学报(自然科学版);2013年S1期

6 卞志国;金立左;费树岷;;特征融合与视觉目标跟踪[J];计算机应用研究;2010年04期

7 韩萍;徐建龙;吴仁彪;;一种新的目标跟踪特征融合方法[J];中国民航大学学报;2010年04期

8 何贤江;何维维;左航;;一种句词五特征融合模型的复述研究[J];四川大学学报(工程科学版);2012年06期

9 刘冬梅;;基于特征融合的人脸识别[J];计算机光盘软件与应用;2013年12期

10 李建科;张辉;赵保军;张长水;;彩色分量流形特征融合的人脸识别[J];北京理工大学学报;2014年05期

中国重要会议论文全文数据库 前7条

1 刘冰;罗熊;刘华平;孙富春;;光学与深度特征融合在机器人场景定位中的应用[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

2 翟懿奎;甘俊英;曾军英;;基于特征融合与支持向量机的伪装人脸识别[A];第六届全国信号和智能信息处理与应用学术会议论文集[C];2012年

3 卞志国;金立左;费树岷;;基于增量判别分析的特征融合与视觉目标跟踪[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

4 韩文静;李海峰;韩纪庆;;基于长短时特征融合的语音情感识别方法研究[A];第九届全国人机语音通讯学术会议论文集[C];2007年

5 罗昕炜;方世良;;宽带调制信号特征融合方法[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

6 金挺;周付根;白相志;;一种简单有效的特征融合粒子滤波跟踪算法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

7 孟凡洁;孔祥维;尤新刚;;基于特征融合的相机来源认证方法[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

中国博士学位论文全文数据库 前10条

1 周斌;多生物特征融合理论的研究与实验[D];清华大学;2007年

2 彭伟民;特征数据的量子表示与融合方法[D];华南理工大学;2013年

3 陈倩;多生物特征融合身份识别研究[D];浙江大学;2007年

4 蒲晓蓉;多模态生物特征融合的神经网络方法[D];电子科技大学;2007年

5 王志芳;基于感知信息的多模态生物特征融合技术研究[D];哈尔滨工业大学;2009年

6 王楠;基于多视觉特征融合的后方车辆检测技术研究[D];东北大学　;2009年

7 徐颖;基于特征融合与仿生模式的生物特征识别研究[D];华南理工大学;2013年

8 樊国梁;基于多类特征融合的蛋白质亚线粒体定位预测研究[D];内蒙古大学;2013年

9 刘金梅;多源遥感影像融合及其应用研究[D];中国海洋大学;2014年

10 张艳;基于柔性阵列 传感器的足迹特征分析与应用研究[D];安徽大学;2015年

中国硕士学位论文全文数据库 前10条

1 付艳红;基于特征融合的人脸识别算法研究与实现[D];天津理工大学;2015年

2 许超;基于特征融合与压缩感知的实木地板缺陷检测方法研究[D];东北林业大学;2015年

3 杨文婷;基于微博的情感分析算法研究与实现[D];西南交通大学;2015年

4 梅尚健;基于特征融合的图像检索研究与实现[D];西南交通大学;2015年

5 王鹏飞;基于多慢特征融合的人体行为识别研究[D];西南大学;2015年

6 丁倩;基于语音信息的多特征情绪识别算法研究[D];山东大学;2015年

7 薛冰霞;基于多模特征融合的人体跌倒检测算法研究[D];山东大学;2015年

8 何乐乐;医学图像分类中的特征融合与特征学习研究[D];电子科技大学;2015年

9 戴博;基于结构复杂度特征融合的视觉注意模型研究及其应用[D];复旦大学;2014年

10 王宁;基于特征融合的人脸识别算法[D];东北大学;2013年

，

本文编号：962979