[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

技術領域

本發明涉及顯著性物體檢測領域，更具體地，涉及一種基于隨機森林學習的RGB-D顯著性物體檢測方法。

技術背景

科技的發展和進步帶來了數據量的激增。一方面圖像、視頻等資源呈爆炸式增長，給人類生活帶來了極大的便利。另一方面，這種增長也給信息處理帶來了新問題，那就是信息冗余。對于任何信息處理設備，如果不依靠有效的方法去除視覺數據中的冗余部分，是難以達到實時處理數據的效果的。模仿人類高層次認知以及處理復雜信息的過程，如目標識別，圖像分類，場景分析等，都依賴于大量數據的處理與學習。如何通過預處理提取數據的最有效部分，去除冗余部分，從而使整個任務變得更高效，是一個值得研究的問題。

人類感知系統具有獨特的特性。人類觀察一幅圖像或一段視頻時，會對最主要的信息量大的區域產生注意力，并進一步對其進行分析處理。從生物學角度上講，注意力是通過視網膜中的兩個部分共同作用產生的，那就是具有高分辨力的中央凹以及分辨力低的外圍。基于這種生理結構的視覺注意力可以指導人類區分場景中的重要部分以及進一步發現細節信息。因此，研究者們希望智能系統(計算機)也能夠參照人類處理視覺信息的原理，仿照這種高效的方法對海量數據進行處理，盡量消除或降低信息冗余，從而能夠抓住要點，方便后續處理任務的進行。

為了探尋視覺注意力的科學本質，并進一步模擬視覺注意力結構，科學家進行了大量實驗與研究。心理學家研究了與行為相關的視覺注意力。神經生理學家詳細說明了神經元如何自適應調整，以更好的表達目標。計算神經科學家建立了現實的神經網絡模型，試圖來模擬和解釋注意力行為。根據以上各領域的研究，機器人科學家與計算機視覺學者試圖設計合理的模型，來模擬生物視覺系統。他們的目的是，建立具有合理計算復雜度的智能系統，使它們能夠在一定程度上完成人類能夠完成的視覺任務，甚至人類很難完成的任務。

在計算機視覺領域，與視覺注意力相一致的研究課題就是視覺顯著度的計算。為了能讓計算機模仿人的視覺注意機制對圖像進行處理，需要建立一個有效的能在計算機上實現的數學模型。然而，視覺的顯著度是視覺輸入信號的一個難以準確定義的特征屬性。信號的顏色、紋理、位置等屬性，都是特征意義明顯的，對區域的顯著度有獨立或者耦合的貢獻。從直觀角度上看，顯著度高的區域是指場景中一些與其鄰域和全局對比度高的區域。這種強烈的對比度使得視覺系統能夠直接對突出的物體區域產生視覺注意力。排除心理層面和主體自身的記憶、期望等因素，通常情況下，人類對對比度高的，或者具有語義含義的物體或區域更容易產生視覺注意力。通用的顯著度計算模型都是基于特征對比度的計算和先驗知識的利用，主要分為適用于場景驅動的自底向上的模型以及基于任務驅動的自頂向下的模型。

發明內容

本發明的目的是建立一種可以實現從圖像區域特征向顯著值的有效映射并將多尺度分割中得到的多幅顯著圖有效融合成一幅顯著圖的方法。本發明的技術方案如下：

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