基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于空-频域混合分析的RGB-D数据视觉显著性检测方法
视觉显著性
深度信息
超复数傅里叶变换
环境理解
多尺度卷积递归神经网络的RGB-D物体识别
多尺度
3D曲面法线
递归神经网络
RGB-D物体识别
融合RGB-D信息的三维物体识别算法
物体识别
深度学习模型
网络训练
特征提取
特征融合
准确率提升
基于结构森林的RGB-D图像轮廓提取
轮廓提取
深度信息
结构森林
RGB-D图像
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 特征融合与S-D概率矫正的RGB-D显著检测
来源期刊 中国图象图形学报 学科 工学
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
年,卷(期) 2016,(10) 所属期刊栏目 图像理解和计算机视觉
研究方向 页码范围 1392-1401
页数 10页 分类号 TP391
字数 4698字 语种 中文
DOI 10.11834/jig.20161014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘政怡 安徽大学计算机科学与技术学院 50 241 9.0 12.0
2 黄子超 安徽大学计算机科学与技术学院 3 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (4)
同被引文献  (1)
二级引证文献  (11)
1979(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
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
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国图象图形学报
月刊
1006-8961
11-3758/TB
大16开
北京9718信箱
82-831
1996
chi
出版文献量(篇)
5906
总下载数(次)
17
总被引数(次)
131816
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导