基于多约束特征匹配与交叉标签传播的 RGBD 图像协同显著性检测
计算机视觉与模式识别
2017-11-22 v1
摘要
协同显著性检测旨在从包含两幅或多幅相关图像的图像组中提取公共显著区域。这是计算机视觉领域的一个新兴课题。与大多数现有专注于 RGB 图像的协同显著性方法不同，本文提出了一种针对 RGBD 图像的新型协同显著性检测模型，利用深度信息增强协同显著性的识别。首先，通过单图像显著性模型生成每幅图像的帧内显著图，而基于多约束特征匹配计算帧间显著图，后者代表了多幅图像之间的约束关系。然后，使用优化方案即交叉标签传播 (CLP) 以交叉方式细化帧内和帧间显著图。最后，整合所有原始和优化后的显著图以生成最终的协同显著性结果。所提出的方法引入深度信息和多约束特征匹配以提高协同显著性检测的性能。此外，该方法能有效利用任何现有的单图像显著性模型在协同显著性场景中良好工作。在两个 RGBD 协同显著性数据集上的实验证明了所提模型的有效性。
引用
@article{arxiv.1710.05172,
title = {Co-saliency Detection for RGBD Images Based on Multi-constraint Feature Matching and Cross Label Propagation},
author = {Runmin Cong and Jianjun Lei and Huazhu Fu and Qingming Huang and Xiaochun Cao and Chunping Hou},
journal= {arXiv preprint arXiv:1710.05172},
year = {2017}
}
备注
11 pages, 8 figures, Accepted by IEEE Transactions on Image Processing, Project URL: https://rmcong.github.io/proj_RGBD_cosal.html