[发明专利]一种基于显著性物体检测方法的彩色三维全息显示方法

说明书

本发明公开了一种基于三维显著性物体检测方法的彩色三维全息显示技术，涉及三维图像分割技术领域。本申请结合二维图像分割技术和点云聚类技术，包括，S1将采集到的二维图像及其深度图片相结合生成点云；S2对二维图像进行图像分割；S3将分割后的得到的二维分割图像二值化并作为掩膜输出，映射到三维点云中，并进行点云去噪；S4对映射得到的三维图像进行聚类操作，获得想要的三维图像分割结果；S5利用点云稀疏化技术将其转换为稀疏点云，通过全息技术利用稀疏点云进行全息重建，生成全息图。本申请中提出的方法，其显著性检测的主要方法依靠于二维图像分割技术，相比直接进行三维图像分割，提高了时间效率，而且具备较高的准确率。

技术领域

本发明涉及三维图像分割和彩色计算全息显示领域，尤其涉及点云分割处理以及计算全息加速方面。

背景技术

显著性检测是计算机视觉领域的重要分支之一，其本质上是一种语义分割任务，该任务的目的在于从输入的图片中提取出具备语义信息特征的区域，并将该区域从图片中分离出来，用于其他用途。显著性物体检测对于未来人工智能理解视觉语义信息，并在此之上提高人机交互质量，优化服务具有极为重要的意义。

深度图片，是在二维图片的基础上，利用深度相机获取的二维图片的相应深度信息。深度图片可以结合对应的二维图片，借助三维信息载体如点云等工具表现出来，使之相对于二维平面图片具备更多的特征信息。

而三维显著性物体检测，就是基于三维信息的一种语义分割任务。本发明中采用点云作为信息载体。然而，基于点云的显著性物体检测技术面临着信息量过大导致的算法时空复杂度过高的问题。

发明内容

针对上述缺陷，本发明提供了一种三维显著性物体检测方法，降低了点云处理时时空复杂度过大的问题。

本发明的技术方案如下：

一种三维显著性物体检测方法，应用于电子设备，包括如下步骤：

S1、通过深度相机采集深度图片和对应彩色图片，结合彩色图片和深度图片生成点云；

S2、将彩色图片输入到YOLOv5图像分割算法中获得二维图像分割结果；

S3、将二维图像分割结果作为掩膜映射到点云中，降低点云的信息量；

S4、去除筛选出来的点云的噪声信息，获得三维点云分割结果；

S5、基于点云分割结果进行点云稀疏化，利用泰勒-瑞利-索末菲衍射点云网格算法基于稀疏化点云生成全息图片。

作为优选，通过深度相机采集深度图片和对应彩色图片，具体方法为，通过下载MATLAB中的图像采集工具包，利用图像采集工具包中的函数进行三维图像采集。

作为优选，将彩色图片输入到YOLOv5图像分割算法中获得二维图像分割结果，将分割结果作为二值图像掩膜返回。

作为优选，在将图像的输出转换为二值图像掩膜返回时，其二值图像返回为原彩色图像的水平镜像图像，在后续点云映射操作中提前将其做水平镜像操作翻转回来，具体的，基于flipdim函数进行水平镜像翻转，其传递参数如下：第一个参数传递待翻转图像即传入二值图像掩膜；第二个参数传递待翻转图像的翻转维度。

作为优选，在MATLAB编程中调用Python的YOLOv5图像分割算法包，获得图像分割的结果。

作为优选，将二维图像分割结果作为掩膜映射到点云中，降低点云的信息量。