基于优化的极限学习机和深度层次的RGB-D显著检测

摘要：

目前,相当多的显著目标检测方法均聚焦于2D的图像上,而RGB-D图像所需要的显著检测方法与单纯的2D图像相去甚远,这就需要新的适用于RGB-D的显著检测方法.该文在经典的RGB显著检测方法,即极限学习机的应用的基础上,提出融合了特征提取、前景增强、深度层次检测等多种思路的新的RGB-D显著性检测方法.该文的方法是:第一,运用特征提取的方法,提取RGB图4个超像素尺度的4096维特征;第二,依据特征提取中产生的4个尺度的超像素数量,分别提取RGB图的RGB,LAB,LBP特征以及深度图的LBE特征;第三,根据LBE和暗通道特征两种特征求出粗显著图,并在4个尺度的遍历中不断强化前景、削弱背景;第四,根据粗显著图选取前景与背景种子,放入极限学习机中进行分类,得到第1阶段显著图;第五,运用深度层次检测、图割等方法对第1阶段显著图进行再次优化,得到第2阶段显著图,即最终显著图.

关键词：RGB-D显著目标检测、极限学习机、流程优化、多特征、深度层次优化

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省自然科学基金1908085MF182

在线出版日期：2019-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2224-2230