一种结合深度可信度评价因子的深度图显著性检测方法   0    0

本发明涉及一种结合深度可信度估计的深度图像显著性检测方法。相对于平面图像，立体图像中所包含的深度特征对于目标物体的显著性检测提供了更有效的信息。本发明包括深度可信度评价因子计算、预处理和深度显著性检测；深度可信度评价因子用来客观的描述深度图所包含目标区域深度信息的可信度；深度图可信度越好，提取目标物体的有用信息越多。此外，图像中距离人眼较近但非显著物体所在的区域对于显著性检测会造成一定影响；针对该情况提出一种预处理方式来降低地面等这类背景区域的干扰；最后，结合深度可信度评价因子进行基于深度紧凑性和对比度的显著性计算得到最终显著结果图。本发明获得的深度显著图质量较高，与视觉注意机制保持良好一致。

1.一种结合深度可信度评价因子的深度图显著性检测方法，其特征在于能够对深度图所包含目标区域的有效信息进行度量，并滤除部分背景区域的干扰，该方法具体包括以下步骤：
步骤一：输入深度图，采用SLIC算法将深度图分割为超像素块，并构建图G＝(V,E)；节点V由超像素分割产生，并设定为每一个超像素块的质心；边缘E连接相邻像素块；
步骤二：深度可信度评价因子分析
深度可信度评价因子用来客观的描述深度图所包含目标区域深度信息的可信度；以超像素块为单元，结合均值、方差、熵值的物理意义，首先定义每个超像素块的参数并将其归一化，具体如下:
其中，m和s分别表示深度图的深度平均值和标准差，mi表示超像素块i的深度均值，0≤i≤N,N为超像素块的个数；H为二维图像熵，表示深度值分布的随机性，pl为某个深度灰度值在该图像中出现的概率，可由灰度直方图获得，L为灰度等级；C0为控制常量，设定其值为
2.0；
融合各超像素块的参数得出深度图可信度评价因子λ如下：
其中，N为SLIC算法计算时的超像素块个数，N取200；
步骤三：深度图预处理
在初步获取深度图像后，图像中距离人眼较近但非显著物体所在区域对于显著性检测会造成影响；针对这种影响提出一种预处理方式来降低背景区域地面的干扰；具体如下：
式中，Ik表示原始深度图中某像素点k的深度值，Ik′表示预处理后的像素点k的深度值；
为像素点k所在行的深度平均值；
步骤四：深度图显著区域检测
1)基于紧凑度和对比度的显著性计算；在完成深度可靠性因子评价和图像预处理后，从深度紧凑度和深度对比度两方面进行显著性检测计算；
a)基于紧凑度的显著性计算Scom
预处理后，定义两个超像素块的相似度为：
其中，m′i和m′j分别表示预处理后超像素块i，j的深度平均值，0≤i,j≤N,C1为控制常量，取值0.1；
结合深度可靠性评价因子计算基于紧凑度的超像素块i的深度显著性值具体如下：
其中，nj为超像素块j包含的像素点个数，m′j为预处理后超像素块的深度平均值，λj为
2
超像素块j的评价系数，σ为控制因子，取值为0.1； 为超像素块的质心坐标，为输入深度图的质心位置，具体如下：
其中Ik表示原始深度图中的像素值，xk，yk表示对应像素值的横纵坐标，w×h表示深度图中包含的像素点个数；基于深度紧凑度的超像素块i的显著图值Scom(i)计算如下：
Scom(i)＝1‑norm(Sdc(i))
其中norm(·)为归一化函数，用来将Sdc(i)的值归一化到0到1之间；然后再把Scom(i)映射到[0,255]空间得到深度紧凑性显著性图Scom；
b)基于对比度的显著性计算Scon
预处理后，我们将灰度作为深度图的像素特征值，并计算深度图直方图，得到每一个灰度等级的概率fl，同时计算各像素特征值的距离矩阵D(I'k,I’l)，进而得到基于对比度的第k个像素点的显著图值Scon(k)如下：
其中，D(I′k,I′l)＝||I′k‑I′l||表示第k像素点的深度值I′k与其它像素点深度值I′l空间距离；
2)将获取的深度紧凑度显著图Scom和深度对比度显著图Scon进行线性加权融合，获取深度显著图SMdepth：
SMdepth＝αScom+(1‑α)Scon；
其中：α和(1‑α)为Scom和Scon的权重因子，取值0.5。