[发明专利]一种基于深度图过滤器的显著性物体检测方法有效
| 申请号： | 201910524475.3 | 申请日： | 2019-06-18 |
| 公开（公告）号： | CN110458797B | 公开（公告）日： | 2023-05-30 |
| 发明（设计）人： | 范登平;程明明;张钊 | 申请（专利权）人： | 南开大学 |
| 主分类号： | G06V10/46 | 分类号： | G06V10/46;G06V10/26;G06T7/11;G06T7/136;G06T7/194;G06V10/56;G06V10/52;G06V10/80;G06V10/82;G06V10/764;G06V10/766;G06N3/0464;G06N3/048;G06N3/ |
| 代理公司： | 天津耀达律师事务所 12223 | 代理人： | 侯力 |
| 地址： | 300071*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度图过滤器的显著性物体检测方法，属于图像处理技术领域。图像的深度图为显著性物体检测任务提供了有效的辅助信息，因此近些年许多基于RGB‑D的显著性物体检测方法被提出。但是，深度图质量的高低对预测结果的准确度有显著影响。本发明创新性地提出了一种基于深度图过滤器的显著性物体检测方法，通过深度图过滤器模块过滤低质量的深度图，抑制不良深度图所带来的干扰信息，进而使用特征学习模块提取更加有效的交叉模态特征。本发明在7个公开的数据集上采用了4个广泛使用的评测指标，实验结果表明本发明超越了当前所有最先进的RGB‑D显著性物体检测方法。 | ||
| 搜索关键词： | 一种 基于 深度 过滤器 显著 物体 检测 方法 | ||
【主权项】：
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(Feature Learning Module)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：/n第1步、由深度图过滤器模块(DDU)判断深度图的质量，过滤质量低于筛选阈值标准的深度图(Depth)，保留质量高于筛选阈值的深度图；/n第2步、经第1步的筛选，若深度图质量较高，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；若深度图质量较差，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；/n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(SaliencyMap)。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南开大学，未经南开大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910524475.3/，转载请声明来源钻瓜专利网。
