[发明专利]一种基于深度图过滤器的显著性物体检测方法

权利要求书

1.一种基于深度图过滤器的显著性物体检测方法，其特征在于该方法通过深度图过滤器模块和特征学习模块完成，其中特征学习模块由一个RGB-D图像特征学习器和一个RGB图像特征学习器构成；包含如下步骤：

第1步、由深度图过滤器模块判断深度图的质量，过滤质量低于筛选阈值的深度图，保留质量高于筛选阈值的深度图；所述深度图过滤器模块的具体操作为：

第1.1步、利用Otsu算法将输入的深度图分为前景和背景；

第1.2步、计算前景和背景两区域均值之差的绝对值H；

第1.3步、计算背景亦即非显著性区域的方差E；

第1.4步、利用回归决策树为H和E结合的二维特征HE_d＝[H,E]学习深度图分类器；

第2步、经第1步的筛选，对于保留下来的深度图，深度图和对应的RGB图像通过特征学习模块中的RGB-D图像特征学习器提取交叉模态的特征；对于过滤掉的深度图，则仅使用特征学习模块中的RGB图像特征学习器提取RGB图像的特征；

第3步、生成结果：将特征学习模块提取的特征回归为显著性物体图像，所述回归的方法是通过多层卷积神经网络将RGB-D或RGB图像特征学习器提取的特征回归为显著图。

2.根据权利要求1所述的基于深度图过滤器的显著性物体检测方法，其特征在于：所述的RGB图像特征学习器和RGB-D图像特征学习器由相同结构的金字塔空洞卷积级联模块构成。