光场显著性检测研究综述
显著性检测一直是计算机视觉领域的关键问题,在视觉跟踪、图像压缩和目标识别等方面有着非常重要的应用.基于传统RGB图像和RGB-D(RGB depth)图像的显著性检测易受复杂背景、光照、遮挡等因素影响,在复杂场景的检测精度较低,鲁棒的显著性检测仍存在很大挑战.随着光场成像技术的发展,人们开始从新的途径解决显著性检测问题.光场数据记录着空间光线位置信息和方向信息,隐含场景的几何结构,能为显著性检测提供可靠的背景、深度等先验信息.因此,利用光场数据进行显著性检测得到了广泛关注,成为研究热点.尽管基于光场数据的显著性检测算法陆续出现,但是缺少对该问题的深刻理解以及研究进展的全面综述.本文系统地综述了基于光场数据的显著性检测研究现状,并进行深入探讨和展望.对光场理论以及用于光场显著性检测的公共数据集进行介绍;系统地介绍了光场显著性检测领域的算法模型和最新进展,从人工设计光场特征、稀疏编码特征和深度学习特征等方面进行全面阐述及分析;通过4个公共光场显著性数据集上的实验数据对不同方法的优缺点进行比较和分析,并结合实际应用指出当前研究的局限性与发展趋势.
显著性检测、光场相机、光场特征、稀疏编码、深度学习
25
TP391(计算技术、计算机技术)
国家自然科学基金项目;国家留学基金项目
2021-02-04(万方平台首次上网日期,不代表论文的发表时间)
共19页
2465-2483