[发明专利]基于先验知识和深度权重的3D显著性模型的建立方法

说明书

本发明公开了一种基于先验知识和深度权重的3D显著性模型的建立方法，包括：将3D图像对中的左视图用超像素分割方法分割成多个区域，用色彩和视差信息合成一组特征对每个区域进行描述；使用颜色紧密度作为区域特征分量中视差的权重，计算一个区域对周围的区域的特征对比度；在视差图上得到在深度上的背景先验，并联合该背景先验和颜色紧密度完善深度显著性；以深度显著性和区域之间的高斯距离作为特征对比度的权重，并利用特征对比度的权重相加得出初始3D显著性；利用2D显著性和中央偏置权重对初始3D显著性进行增强。本发明所建立的3D显著性模型具有更接近于人类注视的效果。

技术领域

本发明涉及视觉显著性领域，尤其涉及一种基于先验知识和深度权重的3D显著性模型的建立方法。

背景技术

对一个多目标场景中的重要信息进行选择是人类视觉系统的一个重要功能。用计算机来建立用于模拟人类上述机制的模型是视觉显著性研究的方向，同时也为目标分割和质量评价等应用提供了基础。近年来，3D显示技术的广泛应用使得研究3D立体显著性具有重要的意义。

当人在观看3D电影的时候，大脑通过立体通道分离技术产生的双目视差平移获得深度知识而产生立体感，这一技术的引入导致人类对视觉观测行为的改变。因此区别于2D显著性模型的设计，立体显著性模型除了需要考虑2D显著性模型中的色彩，亮度，纹理，方向等常用特征外，还应该考虑深度通道上的特征(比如深度的对比度等)。目前深度图像的获取途径有：从相机获得深度图像，通过匹配算法获取视差图(视差和深度呈现反比例关系)。

人类在关注感兴趣的目标时受到先验知识的影响，所以不管是3D还是2D的显著性模型中先验知识都能实现补充显著性模型的作用。常用的先验知识包括两种，第一种是中央偏置即人类视觉偏好图像中央的信息。第二种是边界背景先验，即图像的边界像素可以作为背景作为显著性模型的参考。

综上所述，需要设计出一种更接近人眼注视的3D显著性模型的建立方法。

发明内容

针对上述技术问题，本发明提供了一种基于先验知识和深度权重的3D显著性模型的建立方法，特征不仅取自于2D的彩色信息，还取自于深度通道的信息，背景先验和颜色紧密度等先验知识使得本发明所建立的3D显著性模型具有更接近于人类注视效果。

本发明提供的技术方案为：

一种基于先验知识和深度权重的3D显著性模型的建立方法，包括：

步骤一、提取3D特征：

将3D图像对中的左视图用超像素分割方法分割成N个区域，标记为R_i，其中i取值1到N；为区域R_i定义一个区域特征f＝[l,a,b,d]，其中，N_i为区域R_i中像素的个数，l_i，a_i，b_i分别为区域R_i中像素的l值、a值和b值；

步骤二、计算特征对比度：

将区域之间的特征对比度用矩阵C表示，则c_ij表示区域R_i的区域特征和区域R_j的区域特征之间的范式距离，其计算公式为：c_ij＝||u_if_i-u_jf_j||₂，其中u为区域特征f的权重，u＝[1,1,1,q]，而变量q代表左视图中N个区域的颜色紧密度；

步骤三、设计特征对比度的权重：

步骤(1)在视差图上通过深度领域分析方法得到深度显著性图s_s，则区域R_i的深度显著性s_d为：

步骤(2)计算视差图上的背景先验；