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:
显著检测是计算机视觉的重要组成部分,但大部分的显著检测工作着重于2D图像的分析,并不能很好地应用于RGB-D图片的显著检测.受互补的显著关系在2D图像检测中取得的优越效果的启发,并考虑RGB-D图像包含的深度特征,提出多角度融合的RGB-D显著检测方法.此方法主要包括三个部分,首先,构建颜色深度特征融合的图模型,为显著计算提供准确的相似度关系;其次,利用区域的紧密度进行全局和局部融合的显著计算,得到相对准确的初步显著图;最后,利用边界连接权重和流形排序进行背景和前景融合的显著优化,得到均匀平滑的最终显著图.在RGBD1000数据集上的实验对比显示,所提出的方法超越了当前流行的方法,表明多个角度互补关系的融合能够有效提高显著检测的准确率.
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
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
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
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 多角度融合的RGB-D显著检测
来源期刊 计算机工程与科学 学科 工学
关键词 显著检测 多角度融合 紧密度 边界连接权重 流形排序
年,卷(期) 2018,(4) 所属期刊栏目 图形与图像
研究方向 页码范围 681-689
页数 9页 分类号 TP391.4
字数 6211字 语种 中文
DOI 10.3969/j.issn.1007-130X.2018.04.015
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 张志华 安徽大学计算机科学与技术学院 3 1 1.0 1.0
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  (6)
节点文献
引证文献  (1)
同被引文献  (1)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2018(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)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
显著检测
多角度融合
紧密度
边界连接权重
流形排序
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
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
相关基金
国家科技支撑计划
英文译名:
官方网址:http://kjzc.jhgl.org/
项目类型:重大项目
学科类型:能源
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导