本發(fā)明涉及計(jì)算機(jī)圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法。

背景技術(shù)：

如今，我們的世界充滿著大量的信息，各種信息以不同的載體出現(xiàn)在我們的身邊，有聲音、文字、圖像、視頻等等。盡管外界信息如此多樣化，人類依然可以依靠視覺(jué)感知系統(tǒng)去感知約80％的信息，并且能夠在較短的時(shí)間內(nèi)對(duì)如此繁雜的信息做出識(shí)別和響應(yīng)。而這一切都是因?yàn)槿祟愐曈X(jué)機(jī)制會(huì)選擇性地過(guò)濾非注意事件，而優(yōu)先對(duì)注意事件保持較高的準(zhǔn)確率和響應(yīng)速度。啟發(fā)于人類的視覺(jué)注意機(jī)制，計(jì)算機(jī)視覺(jué)領(lǐng)域誕生了圖像顯著目標(biāo)檢測(cè)技術(shù)。顯著目標(biāo)檢測(cè)目的是識(shí)別出圖像場(chǎng)景中最容易引起人類注意力的目標(biāo)，主要應(yīng)用在圖像分割、圖像壓縮、圖像檢索、目標(biāo)檢測(cè)和識(shí)別等領(lǐng)域。計(jì)算機(jī)在進(jìn)行相關(guān)圖像處理操作前可以采用顯著檢測(cè)技術(shù)過(guò)濾掉無(wú)關(guān)信息，從而大大減小圖像處理的工作量，提升效率。

盡管顯著目標(biāo)檢測(cè)已經(jīng)被廣泛地研究了數(shù)十年，但是許多先前的工作都是集中在2d圖像的顯著檢測(cè)上。近來(lái)，越來(lái)越多的顯著目標(biāo)檢測(cè)研究工作開始融合多模態(tài)的圖像數(shù)據(jù)以提高顯著檢測(cè)的性能，其中對(duì)rgb-d圖像的顯著目標(biāo)檢測(cè)開始吸引越來(lái)越多的注意力，這不僅僅是因?yàn)橹T如microsoftkinect和velodynelidars等測(cè)距傳感器的出現(xiàn)，同時(shí)也是因?yàn)閞gb-d圖像的顯著檢測(cè)在航海和機(jī)器人操作中也變得越來(lái)越重要。

現(xiàn)有的顯著目標(biāo)檢測(cè)方法包括基于對(duì)比度的方法、背景先驗(yàn)、中心先驗(yàn)。

(1)基于對(duì)比度的方法又分為全局對(duì)比和局部對(duì)比兩種方法。全局對(duì)比的思想主要通過(guò)計(jì)算當(dāng)前超像素或像素與圖像中其他超像素或像素的顏色、紋理、深度等特征差異來(lái)確定顯著值；局部對(duì)比的思想主要通過(guò)計(jì)算當(dāng)前超像素或像素與圖像中相鄰超像素或像素的顏色、紋理、深度等特征差異來(lái)確定顯著值。比如2014年peng等人《rgbdsalientobjectdetection:abenchmarkandalgorithms》采用三層顯著檢測(cè)框架，通過(guò)全局對(duì)比方法，融合顏色、深度、位置等特征信息進(jìn)行顯著計(jì)算。

(2)顯著檢測(cè)模型采用背景先驗(yàn)知識(shí)進(jìn)行顯著性計(jì)算，比如2013年yang等人《saliencydetectionviagraph-basedmanifoldranking》假設(shè)rgb彩色圖像的四條邊為背景，應(yīng)用manifoldranking(流形排序算法)排序所有超像素節(jié)點(diǎn)的相關(guān)性完成顯著性計(jì)算。

(3)采用中心先驗(yàn)進(jìn)行顯著性計(jì)算，比如2015年cheng等人《globalcontrastbasedsalientregiondetection》假設(shè)圖像的中心超像素為顯著目標(biāo)超像素，通過(guò)計(jì)算其他超像素與該中心超像素的顏色和空間差異值來(lái)進(jìn)行顯著性計(jì)算。

上述方法中，在進(jìn)行顯著性計(jì)算時(shí)有的沒(méi)有提取深度特征，而不能適用于rgb-d圖像的顯著檢測(cè)，比如yang等人的背景先驗(yàn)方法；有的只是單獨(dú)地對(duì)深度特征和顏色特征分別處理，再做簡(jiǎn)單的融合，而不能使得深度特征和rgb特征間相互指導(dǎo)，相互提升顯著檢測(cè)效果，比如peng等人的方法；有的是主觀性地將圖像的中心作為顯著目標(biāo)，這并不能適用于顯著目標(biāo)偏移圖像中心的情形，比如cheng等人的方法。

因此亟需提供一種新型的rgb-d顯著目標(biāo)檢測(cè)方法來(lái)解決上述問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法，能夠使深度特征和rgb特征間相互指導(dǎo)相互提升，準(zhǔn)確檢測(cè)rgb-d圖像的顯著性。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用的一個(gè)技術(shù)方案是：提供一種基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法，包括基于深度圖的顯著中心先驗(yàn)和基于rgb圖的顯著中心先驗(yàn)，顯著中心先驗(yàn)方法需分別提取depth深度圖像顯著目標(biāo)的中心超像素和rgb圖像顯著目標(biāo)的中心超像素，并通過(guò)計(jì)算其它超像素與中心超像素的顏色或者深度歐式距離，進(jìn)行rgb-d圖像顯著性計(jì)算。

在本發(fā)明一個(gè)較佳實(shí)施例中，所述基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法，包括以下步驟：

s1：對(duì)rgb-d圖像采用slic算法進(jìn)行超像素分割；

s2：以超像素為單位，采用顯著檢測(cè)方法對(duì)rgb-d圖像中的rgb彩色圖像進(jìn)行顯著目標(biāo)檢測(cè)，獲得rgb圖像初始顯著圖sb；

s3：以超像素為單位，采用顯著檢測(cè)方法對(duì)rgb-d圖像中的depth深度圖像進(jìn)行顯著目標(biāo)檢測(cè)，獲得depth深度圖像初始顯著圖sd；

s4：依據(jù)depth深度圖像初始顯著圖sd，采用基于深度圖的顯著中心先驗(yàn)，確定depth深度圖像初始顯著圖sd的顯著目標(biāo)中心超像素，并獲取所述顯著目標(biāo)中心超像素的深度值，然后，計(jì)算其他超像素與所述顯著目標(biāo)中心超像素的深度值的歐式距離，并以此作為顯著權(quán)重去加強(qiáng)rgb圖像初始顯著圖sb，得到rgb圖像最終顯著圖wsb，完成rgb圖像的顯著目標(biāo)檢測(cè)；

s5：依據(jù)rgb圖像最終顯著圖wsb，采用基于rgb圖的顯著中心先驗(yàn)，確定rgb圖像最終顯著圖wsb的顯著目標(biāo)中心超像素，并獲取所述顯著目標(biāo)中心超像素的cielab顏色特征值，然后，計(jì)算其他超像素與所述顯著目標(biāo)中心超像素的cielab顏色特征值的歐式距離，并以此作為顯著權(quán)重去加強(qiáng)depth深度圖像初始顯著圖sd，得到depth深度圖像最終顯著圖wsd；

s6：對(duì)depth深度圖像最終顯著圖wsd進(jìn)行優(yōu)化產(chǎn)生rgb-d圖像的最終顯著圖。

進(jìn)一步的，在步驟s4中，顯著性具體計(jì)算方法如下：

s4.1：依據(jù)公式(1)找出depth深度圖像初始顯著圖sd中顯著目標(biāo)的中心超像素的空間坐標(biāo)cend，

其中，rn表示depth深度圖像初始顯著圖中顯著值大于t°的超像素集合，而t°取depth深度圖像初始顯著圖顯著值的均值，|ri|表示超像素ri中的像素點(diǎn)的個(gè)數(shù)，sd(ⁱ)表示depth深度圖像初始顯著圖中超像素節(jié)點(diǎn)ri的顯著值，rci表示超像素節(jié)點(diǎn)ri的中心空間坐標(biāo)；

s4.2：依據(jù)公式(2)在depth深度圖像初始顯著圖中找出該顯著目標(biāo)中心超像素rk，并確定該中心超像素的深度值

rk＝argmin||rci-cend||,i＝1,2,...n(2)

s4.3：依據(jù)公式(4)計(jì)算其他超像素與該顯著目標(biāo)中心超像素的深度值的歐式距離od，

其中，d(i)表示超像素i的深度值，表示sd中顯著目標(biāo)的中心超像素的深度值；

s4.4：將其他超像素與該顯著目標(biāo)中心超像素的深度值的歐式距離od作為顯著權(quán)重，采用公式(5)去加強(qiáng)rgb圖像初始顯著圖sb，得到rgb圖像最終顯著圖wsb，

wsb(i)＝sb(i)*od(i)(5)

其中，od(i)為超像素i的顯著權(quán)重。

進(jìn)一步的，在步驟s5中，顯著性具體計(jì)算方法如下：

s5.1：依據(jù)公式(6)找出rgb圖像最終顯著圖wsb中顯著目標(biāo)的中心超像素的空間坐標(biāo)cenc；

其中，rn表示rgb圖像最終顯著圖中顯著值大于t°的超像素集合，而t°取rgb圖像最終顯著圖顯著值的均值，|ri|表示超像素ri中的像素點(diǎn)的個(gè)數(shù)，wsb(i)表示rgb圖像最終顯著圖中超像素節(jié)點(diǎn)ri的顯著值，rci表示超像素節(jié)點(diǎn)ri的中心空間坐標(biāo)；

s5.2：依據(jù)公式(7)在rgb圖像最終顯著圖中找出該顯著目標(biāo)中心超像素rk，并確定該中心超像素的cielab顏色特征值

rk＝argmin||rci-cenc||,i＝1,2,...n(7)

s5.3：依據(jù)公式(9)計(jì)算其他超像素與該顯著目標(biāo)中心超像素的cielab顏色特征值的歐式距離oc，

其中，c(i)表示超像素i的cielab顏色特征值，表示wsb中顯著目標(biāo)的中心超像素的cielab顏色特征值；

s5.4：將其他超像素與該顯著目標(biāo)中心超像素的cielab顏色特征值的歐式距離oc作為顯著權(quán)重，采用公式(10)去加強(qiáng)depth深度圖像初始顯著圖sd得到depth深度圖像最終顯著圖wsd，

wsd(i)＝sd(i)*oc(i)(10)

其中，oc(i)為超像素i的顯著權(quán)重。

進(jìn)一步的，步驟s4和s5之間還進(jìn)一步包括以下過(guò)程來(lái)優(yōu)化檢測(cè)結(jié)果：采用公式(11)計(jì)算rgb圖像最終顯著圖wsb中每個(gè)超像素的顯著值與depth深度圖中每個(gè)超像素的深度值的比值作為s-d矯正概率，并用此概率根據(jù)公式(12)去矯正depth深度圖像的初始顯著檢測(cè)結(jié)果sd，

sdf(i)＝sd(i)×ps-d(i)(12)

其中，ps-d(i)為超像素i對(duì)應(yīng)的s-d矯正概率，sdf為depth深度圖像初始顯著圖經(jīng)s-d概率矯正后的顯著圖。

在本發(fā)明一個(gè)較佳實(shí)施例中，在步驟s6中，對(duì)depth深度圖像最終顯著圖采用如下代價(jià)函數(shù)進(jìn)行進(jìn)一步優(yōu)化，得到rgb-d圖像的最終顯著圖，

本發(fā)明的有益效果是：本發(fā)明提出一種顯著中心先驗(yàn)，不同于簡(jiǎn)單的依據(jù)圖像場(chǎng)景的中心超像素為中心，而是依據(jù)顯著圖中顯著目標(biāo)的中心超像素為顯著中心，分別對(duì)rgb圖像和depth深度圖像進(jìn)行顯著性計(jì)算。具體的可以分為基于深度圖的顯著中心先驗(yàn)和基于rgb圖的顯著中心先驗(yàn)：

基于深度圖的顯著中心先驗(yàn)：計(jì)算rgb圖中其他超像素與depth深度圖顯著目標(biāo)中心超像素的深度特征歐式距離，以此作為顯著權(quán)重加強(qiáng)rgb圖的顯著檢測(cè)結(jié)果，從而使得深度特征有效指導(dǎo)rgb圖像顯著檢測(cè)，提升rgb圖顯著檢測(cè)結(jié)果；

基于rgb圖的顯著中心先驗(yàn)：計(jì)算depth深度圖中其他超像素與rgb圖顯著目標(biāo)中心超像素的cielab顏色特征歐式距離，以此作為顯著權(quán)重加強(qiáng)depth深度圖的顯著檢測(cè)結(jié)果，從而使得rgb特征有效指導(dǎo)depth深度圖顯著檢測(cè)，提升depth深度圖顯著檢測(cè)結(jié)果。

附圖說(shuō)明

圖1是本發(fā)明基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法的流程圖；

圖2是所述基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法構(gòu)造的閉環(huán)圖示意圖；

圖3是所述基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法中基于深度圖的顯著中心先驗(yàn)效果評(píng)估圖；

圖4是所述基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法中基于rgb圖的顯著中心先驗(yàn)效果評(píng)估圖；

圖5是所述基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法與現(xiàn)有算法在nlprrgbd1000數(shù)據(jù)集上的顯著性檢測(cè)結(jié)果pr曲線比對(duì)圖；

圖6是所述基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法與現(xiàn)有算法在nlprrgbd1000數(shù)據(jù)集上的部分顯著檢測(cè)結(jié)果質(zhì)量圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明的較佳實(shí)施例進(jìn)行詳細(xì)闡述，以使本發(fā)明的優(yōu)點(diǎn)和特征能更易于被本領(lǐng)域技術(shù)人員理解，從而對(duì)本發(fā)明的保護(hù)范圍做出更為清楚明確的界定。

請(qǐng)參閱圖1，本發(fā)明實(shí)施例包括：

一種基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法，包括基于深度圖的顯著中心先驗(yàn)和基于rgb圖的顯著中心先驗(yàn)，顯著中心先驗(yàn)方法需分別提取depth深度圖像顯著目標(biāo)的中心超像素和rgb圖像顯著目標(biāo)的中心超像素，并通過(guò)計(jì)算其它超像素與中心超像素的顏色或者深度歐式距離，進(jìn)行rgb-d圖像顯著性計(jì)算。

在本發(fā)明一個(gè)較佳實(shí)施例中，所述基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法，具體包括以下步驟：

s1：對(duì)rgb-d圖像采用slic算法進(jìn)行超像素分割，以每個(gè)超像素為節(jié)點(diǎn)構(gòu)造閉環(huán)圖，結(jié)合圖2，每個(gè)超像素節(jié)點(diǎn)與鄰居節(jié)點(diǎn)連接，四條邊界上的超像素節(jié)點(diǎn)相互連接；

s2：以超像素為單位，采用顯著檢測(cè)方法對(duì)rgb圖像進(jìn)行顯著目標(biāo)檢測(cè)，獲得rgb圖像初始顯著圖sb；

rgb-d圖像顯著性計(jì)算方法很多，在本發(fā)明的較佳實(shí)施例中，提取depth深度圖的深度特征和rgb圖的cielab顏色特征，以rgb圖像的四條邊界為假設(shè)的背景種子節(jié)點(diǎn)，以顏色、深度為共同的特征，應(yīng)用流形排序算法排序所有超像素節(jié)點(diǎn)的相關(guān)性完成rgb圖像的初始顯著性計(jì)算。

進(jìn)一步的，在步驟s2中，顯著性具體計(jì)算方法如下：

s2.1：按照公式(1)應(yīng)用manifoldranking(流形排序算法)排序所有超像素節(jié)點(diǎn)，形成ftop,fdown,fleft,fright，

其中，w＝[wij]n×n為權(quán)重矩陣，其中c表示超像素節(jié)點(diǎn)在cielab顏色空間的特征值，d表示超像素節(jié)點(diǎn)深度特征值，σc和σd為控制顏色和深度之間比例的常量，d＝diag{d11,l,dnn}為度數(shù)矩陣，其中dii＝∑jwij，α控制光滑約束和擬合約束的平衡，y為指示向量，指示四條邊界上的超像素節(jié)點(diǎn)為背景種子；

s2.2：按照公式(2)對(duì)以上、下、左、右四個(gè)邊界為假設(shè)的背景種子排序后形成的結(jié)果ftop,fdown,fleft,fright進(jìn)行歸一化及取反操作，得到四個(gè)基于每個(gè)邊界的顯著圖，分別為stop,sdown,sleft,sright，

s2.3：按照公式(3)將所述四個(gè)基于每個(gè)邊界的顯著圖stop,sdown,sleft,sright進(jìn)行相乘操作，得到基于特征融合的流形排序的顯著圖sb，

s3：以超像素為單位，采用顯著檢測(cè)方法對(duì)depth深度圖像進(jìn)行顯著檢測(cè)，獲得depth深度圖像初始顯著圖sd；

具體地講，提取depth深度圖的深度特征，依據(jù)深度先驗(yàn)：距離觀察者越近的物體，會(huì)吸引觀察者更多的注意力，也就越有可能成為顯著目標(biāo)。采用公式(4)計(jì)算depth深度圖中每個(gè)超像素的深度值與某個(gè)給定深度值(先驗(yàn)知識(shí)中定義為1)的差值來(lái)進(jìn)行顯著性計(jì)算，并采用公式(5)計(jì)算三維空間權(quán)重進(jìn)一步加強(qiáng)顯著檢測(cè)結(jié)果，完成depth深度圖像的初始顯著檢測(cè)結(jié)果。

其中，d(i)表示超像素i的深度值，δd是歸一化參數(shù)，xi,xj表示超像素i和j的橫坐標(biāo)，yi,yj表示超像素i和j的縱坐標(biāo)，di,dj表示超像素i和j的深度值即第三維坐標(biāo)，為三維空間權(quán)重。

s4：依據(jù)depth深度圖像初始顯著圖sd，采用基于深度圖的顯著中心先驗(yàn)，確定depth深度圖像初始顯著圖sd的顯著目標(biāo)中心超像素，并獲取所述顯著目標(biāo)中心超像素的深度值，然后，計(jì)算其他超像素與所述顯著目標(biāo)中心超像素的深度值的歐式距離，并以此作為顯著權(quán)重去加強(qiáng)rgb圖像初始顯著圖sb，得到rgb圖像最終顯著圖wsb，完成rgb圖像的顯著目標(biāo)檢測(cè)；

進(jìn)一步的，在步驟s4中，顯著性具體計(jì)算方法如下：

s4.1：依據(jù)公式(6)找出depth深度圖像初始顯著圖sd中顯著目標(biāo)的中心超像素的空間坐標(biāo)cend，

其中，rn表示depth深度圖像初始顯著圖中顯著值大于t°的超像素集合，而t°取depth深度圖像初始顯著圖顯著值的均值，|ri|表示超像素ri中的像素點(diǎn)的個(gè)數(shù)，sd(i)表示depth深度圖像初始顯著圖中超像素節(jié)點(diǎn)ri的顯著值，rci表示超像素節(jié)點(diǎn)ri的中心空間坐標(biāo)；

s4.2：依據(jù)公式(7)在depth深度圖像初始顯著圖中找出該顯著目標(biāo)中心超像素rk，并確定該中心超像素的深度值

rk＝argmin||rci-cend||,i＝1,2,...n(7)

s4.3：依據(jù)公式(9)計(jì)算其他超像素與該顯著目標(biāo)中心超像素的深度值的歐式距離od，

其中，d(i)表示超像素i的深度值，表示sd中顯著目標(biāo)的中心超像素的深度值；

s4.4：將其他超像素與該顯著目標(biāo)中心超像素的深度值的歐式距離od作為顯著權(quán)重，采用公式(10)去加強(qiáng)rgb圖像初始顯著圖sb，得到rgb圖像最終顯著圖wsb，

wsb(i)＝sb(i)*od(i)(10)

其中，od(i)為超像素i的顯著權(quán)重。

進(jìn)一步的，采用以下過(guò)程來(lái)優(yōu)化上述檢測(cè)結(jié)果：依據(jù)圖像場(chǎng)景中距離觀察者越近的物體越顯著這一先驗(yàn)，可以得出：對(duì)于任意超像素，深度值越小顯著值越大，則顯著值與深度值的比值也就越大，反之，越小。據(jù)此，采用公式(11)計(jì)算rgb圖像最終顯著圖wsb中每個(gè)超像素的顯著值與depth深度圖中每個(gè)超像素的深度值的比值作為s-d矯正概率，并用此概率根據(jù)公式(12)去矯正depth深度圖的初始顯著檢測(cè)結(jié)果sd，

sdf(i)＝sd(i)×ps-d(i)(12)

其中，ps-d(i)為超像素i對(duì)應(yīng)的s-d矯正概率，sdf為depth深度圖像經(jīng)s-d概率矯正后的顯著圖。

s5：依據(jù)rgb圖像最終顯著圖wsb，采用基于rgb圖的顯著中心先驗(yàn)，確定rgb圖像最終顯著圖wsb的顯著目標(biāo)中心超像素，并獲取所述顯著目標(biāo)中心超像素的cielab顏色特征值，然后，計(jì)算其他超像素與所述顯著目標(biāo)中心超像素的cielab顏色特征值的歐式距離，并以此作為顯著權(quán)重去加強(qiáng)depth深度圖像經(jīng)s-d概率矯正后的顯著圖sdf，得到depth深度圖像最終顯著圖wsdf，完成depth深度圖像的顯著目標(biāo)檢測(cè)。

進(jìn)一步的，在步驟s5中，顯著性具體計(jì)算方法如下：

s5.1：依據(jù)公式(13)找出rgb圖像最終顯著圖wsb中顯著目標(biāo)的中心超像素的空間坐標(biāo)cenc；

其中，rn表示rgb圖像最終顯著圖中顯著值大于t°的超像素集合，而t°取rgb圖像最終顯著圖顯著值的均值，|ri|表示超像素ri中的像素點(diǎn)的個(gè)數(shù)，wsb(i)表示rgb圖像最終顯著圖中超像素節(jié)點(diǎn)ri的顯著值，rci表示超像素節(jié)點(diǎn)ri的中心空間坐標(biāo)；

s5.2：依據(jù)公式(14)在rgb圖像最終顯著圖中找出該顯著目標(biāo)中心超像素rk，并確定該中心超像素的cielab顏色特征值

rk＝argmin||rci-cenc||,i＝1,2,...n(14)

s5.3：依據(jù)公式(16)計(jì)算其他超像素與該顯著目標(biāo)中心超像素的cielab顏色特征值的歐式距離oc，

其中，c(i)表示超像素i的cielab顏色特征值，表示wsb中顯著目標(biāo)的中心超像素的cielab顏色特征值；

s5.4：將其他超像素與該顯著目標(biāo)中心超像素的cielab顏色特征值的歐式距離oc作為顯著權(quán)重，采用公式(17)去加強(qiáng)depth深度圖像初始顯著圖sd得到depth深度圖像最終顯著圖wsdf，

wsdf(i)＝sdf(i)*oc(i)(17)

其中，oc(i)為超像素i的顯著權(quán)重，wsdf為depth深度圖像最終顯著圖。

s6：最后，對(duì)depth深度圖像最終顯著圖wsdf采用公式(18)進(jìn)行優(yōu)化，得到rgb-d圖像的最終顯著圖。

其中，代價(jià)函數(shù)共有三項(xiàng)約束，從左至右，第一項(xiàng)是背景約束，背景約束使得具有較大背景概率的超像素分配一個(gè)接近于0的顯著值；第二項(xiàng)是前景約束，前景約束使得具有較大前景概率的超像素分配一個(gè)接近于1的顯著值，為任何顯著檢測(cè)的結(jié)果，本發(fā)明采用depth深度圖像最終顯著圖；第三項(xiàng)是平滑先驗(yàn)，平滑先驗(yàn)使得顯著目標(biāo)更加均勻的突出。wij為考慮cielab顏色特征和深度特征的權(quán)重矩陣如公式(19)所示，δ,u為常數(shù)，用以去除前景和背景圖像場(chǎng)景中的噪音區(qū)域。

其中，cij表示超像素i和j間的cielab顏色歐式距離，dij表示超像素i和j間的深度歐式距離。

本發(fā)明提出一種顯著中心先驗(yàn)，不同于簡(jiǎn)單的依據(jù)圖像場(chǎng)景的中心超像素為中心，而是依據(jù)顯著圖中顯著目標(biāo)的中心超像素為顯著中心，分別對(duì)rgb-d圖像中的rgb圖像和depth深度圖像進(jìn)行顯著性計(jì)算。具體的可以分為基于深度圖的顯著中心先驗(yàn)和基于rgb圖的顯著中心先驗(yàn)：

基于深度圖的顯著中心先驗(yàn)：計(jì)算rgb圖中其他超像素與depth深度圖顯著目標(biāo)中心超像素的深度特征歐式距離，以此作為顯著權(quán)重加強(qiáng)rgb圖的顯著檢測(cè)結(jié)果，從而使得深度特征有效指導(dǎo)rgb圖像顯著檢測(cè)，提升rgb圖顯著檢測(cè)結(jié)果，該種方法的評(píng)價(jià)效果如圖3所示，圖中rgb+od表示基于depth深度圖的顯著中心先驗(yàn)加強(qiáng)后的rgb圖像顯著檢測(cè)結(jié)果，通過(guò)pr曲線可以看出本方法能夠有效地對(duì)rgb-d圖像進(jìn)行顯著目標(biāo)檢測(cè)；

基于rgb圖的顯著中心先驗(yàn)：計(jì)算深度圖中其他超像素與rgb圖顯著目標(biāo)中心超像素的cielab顏色特征歐式距離，以此作為顯著權(quán)重加強(qiáng)depth深度圖的顯著檢測(cè)結(jié)果，從而使得rgb特征有效指導(dǎo)depth深度圖顯著檢測(cè)，提升depth深度圖顯著檢測(cè)結(jié)果，該種方法的評(píng)價(jià)效果如圖4所示，圖中dep+oc表示基于rgb圖的顯著中心先驗(yàn)加強(qiáng)后的depth深度圖像顯著檢測(cè)結(jié)果，通過(guò)pr曲線可以看出本方法能夠有效地對(duì)rgb-d圖像進(jìn)行顯著目標(biāo)檢測(cè)。

在本實(shí)施例中，通過(guò)圖像庫(kù)測(cè)試對(duì)比證明了其有效性以及在效果上明顯的優(yōu)勢(shì)。測(cè)試對(duì)比在公開數(shù)據(jù)集nlprrgbd1000上進(jìn)行，測(cè)試對(duì)比結(jié)果以準(zhǔn)確率-召回率(precision-recall)曲線表示。對(duì)比的方法中，本發(fā)明所述基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法表示為ours；yang等人《saliencydetectionviagraph-basedmanifoldranking》假設(shè)rgb圖像的四條邊為背景先驗(yàn)的方法表示為mr；peng等人《rgbdsalientobjectdetection:abenchmarkandalgorithms》采用三層顯著檢測(cè)框架，通過(guò)全局對(duì)比方法，融合顏色、深度、位置等特征信息進(jìn)行顯著計(jì)算的方法表示為lmh。檢測(cè)結(jié)果pr曲線請(qǐng)參閱圖5，部分顯著性檢測(cè)結(jié)果質(zhì)量比較圖請(qǐng)參閱圖6。從圖中可以看出本實(shí)施例基于顯著中心先驗(yàn)的rgb-d圖像顯著目標(biāo)檢測(cè)方法明顯優(yōu)于現(xiàn)有的方法，從而證明本發(fā)明所述方法的優(yōu)越性。

以上所述僅為本發(fā)明的實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說(shuō)明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。