基于区域特征聚类的RGBD显著性物体检测

作者：王帅; 蒲宝明; 李相泽; 杨朔; 常战国

来源：小型微型计算机系统, 2019, 40(04): 704-709.

• 显著性物体检测
• 区域聚类
• 神经网络
• 超像素

本文根据在显著性检测领域的问题,提出一种基于区域特征聚类的RGBD显著性物体检测算法.首先使用结合深度信息的超像素算法对图片分割,提取分割后每个区域的特征构成特征向量.然后使用十个不同带宽的Mean Shift算法对特征向量聚类得到聚类图,并对十个聚类后的图进行显著性计算.通过神经网络把十个显著性图合并成一个显著性图,并把该显著性图作为一个新特征加到上面提到在特征向量中.继续计算显著性图,直到循环达到十次,输出最终的显著性图.通过实验,在三个RGBD显著性物体数据库中把本算法通过和七个算法进行对比,显示出本算法有更好的性能.

• 单位
  中国科学院沈阳计算技术研究所; 中国科学院大学; 东北大学