多角度融合的RGB-D显著检测*

张志华，刘政怡

(安徽大学计算机科学与技术学院,安徽 合肥 230601)

1 引言

视觉注意机制是人类视觉系统的重要组成部分。通过视觉注意力，人眼能够过滤掉多余的信息，并从复杂的场景中快速找到区别于周围环境的显著目标。准确提取显著目标能够有效提高图像处理的效率和质量，因此，显著目标的检测已经广泛应用到图像分割[1]、图像识别[2]和目标重定位[3]等计算视觉领域。

虽然显著目标检测已被广泛研究了数年，但先前的大部分工作都着重于2D图像分析。近来，研究者开始整合多模态成像数据以提高图像处理的性能，而其中RGB-D图像的显著目标检测受到越来越多的关注。

(1)2D显著检测。现有的2D显著检测方法可以大致分为两类，即全局方法和局部方法[4]。基于全局的方法主要依据一个区域与整幅图像中全部区域的比较，比如Achanta等人[5]提出的频率调谐方法，将显著值定义为像素点颜色与图像平均颜色的差异。而基于局部的方法则只关注一个区域与周围相邻较小区域的对比关系，比如Liu等人[6]通过线性组合多尺度的对比和中心环绕直方图的分析定义了局部区域的对比。另一方面，基于紧密度的显著计算方法在各种显著检测模型中得到应用。其中，Gopalakrishnan等人[7]认为图像的低层次特征在背景上的分布相对于显著目标更为广泛。在此基础上，Cheng等人[8]将紧密度作为显著性的重要度量，利用特征相似和空间相近来衡量显著程度。同样地，基于图模型的传播方法在显著检测领域也取得了卓越的效果。……