人類視覺系統(tǒng)能實時處理復(fù)雜的環(huán)境信息,并使我們的注意力集中在感興趣的區(qū)域,忽略掉不感興趣的區(qū)域。在計算機視覺領(lǐng)域,我們把這些吸引人類視覺的區(qū)域稱為顯著區(qū)域。在解決深度圖像（RGBD圖像）的顯著性檢測問題上,深度信息在區(qū)分顯著前景和雜亂背景時扮演著重要角色。作為對彩色信息的補充,深度信息的質(zhì)量直接影響著隨后的顯著性檢測效果。受深度信息采集設(shè)備和人為因素的限制,不同場景下獲取到的深度信息質(zhì)量變化很大。為了解決這個問題,本文嘗試估計一個高質(zhì)量的附加深度圖。作為對原始深度信息的補充,新深度圖將被輸入全新設(shè)計的選擇性融合網(wǎng)絡(luò),以提高顯著性檢測的性能。為了實現(xiàn)上述目標(biāo),本文首先通過圖像檢索技術(shù)得到一組和輸入圖像相似的深度圖像,然后建立相似圖與輸入圖像間的局部與區(qū)域映射關(guān)系,之后利用圖像間的對應(yīng)關(guān)系遷移相似圖像集的深度信息,最終得到粗估計深度圖。接下來,本文構(gòu)建了一個精細(xì)的物體級映射關(guān)系,同時利用顯著性的先驗知識進一步提高新深度圖的質(zhì)量。最終,本文將原始深度信息和估計深度信息輸入到全新設(shè)計的選擇性深度融合網(wǎng)絡(luò)中,完成對深度圖像的顯著性檢測。本文的主要成果可歸納如下:（1）提出了一種多尺度算法來計算可... 

【文章來源】：青島大學(xué)山東省

【文章頁數(shù)】：45 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 RGB顯著性研究現(xiàn)狀
        1.2.2 RGBD顯著性研究現(xiàn)狀
    1.3 算法概述
    1.4 章節(jié)安排
第二章 相關(guān)知識與技術(shù)
    2.1 SLIC超像素分割算法
    2.2 SIFT-Flow像素匹配算法
    2.3 Edge Boxes物體級推薦框算法
第三章 多層次深度信息估計
    3.1 基于SITF-Flow的深度信息粗估計
    3.2 基于視覺顯著性的深度信息估計
第四章 深度顯著性計算及選擇性融合
    4.1 圖像級底層顯著性計算
    4.2 多尺度選擇性顯著信息融合網(wǎng)絡(luò)
第五章 定量分析
    5.1 實現(xiàn)細(xì)節(jié)
    5.2 開源數(shù)據(jù)集
    5.3 算法流程評估
    5.4 定量比較
    5.5 網(wǎng)絡(luò)訓(xùn)練細(xì)節(jié)
    5.6 局限性分析
第六章 總結(jié)與展望
參考文獻
碩士期間發(fā)表的學(xué)術(shù)論文和參與的科研項目
    一、發(fā)表的學(xué)術(shù)論文
    二、參與的科研項目
致謝



本文編號：3463322