[發明專利]基于隨機森林學習的RGB-D顯著物體檢測方法

在審

• 申請號: 201510890015.4
• 申請日: 2015-12-07
• 公開（公告）號: CN105447873A
• 公開（公告）日: 2016-03-30
• 發明（設計）人: 周圓;李成浩;崔波;王愛華;侯春萍
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

1.一種基于隨機森林學習的RGB-D顯著物體檢測方法，包括下面的步驟：

1)首先利用隨機森林的方法將圖像進行M個尺度的分割；

2)提取區域特征，包括紋理濾波器響應、顏色直方圖特征和LBP算子特征；

3)計算區域對比度描述子：圖像的顏色和紋理信息用一個特征向量來描述每一個區域，用v來表示，對于區域R∈S_m，把和它直接鄰接的幾個區域當作一個整體，并且計算其顏色和紋理特征v^N，區域對比度描述子就定義成該區域特征和它的鄰域特征的差值，其中，特征中包含的直方圖的差值會按分布差別度來計算。

4)計算區域對比度和區域背景度量描述子，如表一所示，其中d(x₁,x₂)＝(|x₁₁-x₂₁|,...,|x_1n-x_2n|)，n是向量x₁和x₂的維度，||表示的是絕對值；b是向量h₁和h₂的維度，Σ表示的是求和號。

表一區域對比度和區域背景度量描述子特征組成

5)計算區域性質描述子，如表二所示：

表二區域性質描述子特征組成

6)設計一個從大量訓練樣本中學習到的一個有效的區域顯著性估計器，訓練樣本包括一個顯著性區域的集合以及相對應的顯著值，它們都是通過對事先標注了顯著區域的圖像進行多尺度分割后，選擇不同區域來獲得的。如果獲得的一個區域所包含的像素超過90％屬于顯著物體，本發明認為這是完全置信樣本，將它對應的顯著值設為1。如果獲得的一個區域所包含的像素超過90％屬于背景，將它對應的顯著值設為0。兩個條件都不滿足的區域，排除在外不參與訓練；對每一個區域用一個特征向量來表示，該特征向量包括區域對比度，區域性質以及區域背景度量描述子。從訓練數據以及給定的顯著值中學習得到一個隨機森林回歸器；

7)對于一幅圖像，利用隨機森林回歸器獲得該圖像的多個區域的顯著圖{A₁,A₂,...,A_M}，需要一個合并器將它們融合到一起形成最終的顯著圖。