基于贝叶斯框架融合的RGB-D图像显著性检测

• 作者: 周真 曲寒冰 王松涛 靳薇
• 来源期刊: 自动化学报
• 关键词: 贝叶斯融合 深度学习 生成模型 显著性检测 RGB-D图像
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 695-720
• 页数: 26页
• 字数: 13147字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170232

摘要

为了有效融合RGB图像颜色信息和Depth图像深度信息,提出一种基于贝叶斯框架融合的RGB-D图像显著性检测方法.通过分析3D显著性在RGB图像和Depth图像分布的情况,采用类条件互信息熵(Class-conditional mutual information,CMI)度量由深层卷积神经网络提取的颜色特征和深度特征的相关性,依据贝叶斯定理得到RGB-D图像显著性后验概率.假设颜色特征和深度特征符合高斯分布,基于DMNB (Discriminative mixed-membership naive Bayes)生成模型进行显著性检测建模,其模型参数由变分最大期望算法进行估计.在RGB-D图像显著性检测公开数据集NLPR和NJU-DS2000上测试,实验结果表明提出的方法具有更高的准确率和召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周真	哈尔滨理工大学测控技术与仪器省高校重点实验室	83	523	12.0	18.0
2	王松涛	哈尔滨理工大学测控技术与仪器省高校重点实验室	9	48	3.0	6.0
5	靳薇	北京市科学技术研究院人工智能与大数据研究中心	5	5	1.0	2.0