基于深度置信度分析与多线索融合的立体图像显著性检测
计算机视觉与模式识别
2017-10-17 v1
摘要
立体感知是人类视觉系统的重要组成部分，使大脑能够感知深度。然而，现有显著性检测模型尚未充分探索深度信息。在本快报中，提出了一种针对立体图像的新型显著性检测方法。首先，我们提出一种度量来评估深度图的可靠性，并利用它减少劣质深度图对显著性检测的影响。然后，将输入图像表示为图，并将深度信息引入图构建中。此后，提出了一种利用颜色和深度线索的紧凑度新定义来计算紧凑度显著图。为了补偿当显著区域与背景具有相似外观时紧凑度显著图的检测误差，基于深度细化的前景种子选择机制和多线索对比度计算前景显著图。最后，根据这两幅显著图的重要性，通过加权和方法将它们整合成最终的显著图。在两个公开可用的立体数据集上的实验表明，所提方法的表现优于其他 10 种最先进的方法。
引用
@article{arxiv.1710.05174,
title = {Saliency Detection for Stereoscopic Images Based on Depth Confidence Analysis and Multiple Cues Fusion},
author = {Runmin Cong and Jianjun Lei and Changqing Zhang and Qingming Huang and Xiaochun Cao and Chunping Hou},
journal= {arXiv preprint arXiv:1710.05174},
year = {2017}
}
备注
5 pages, 6 figures, Published on IEEE Signal Processing Letters 2016, Project URL: https://rmcong.github.io/proj_RGBD_sal.html