公开(公告)号：CN109598291B

公开(公告)日：2021-07-23

申请号：CN201811403370.4

申请日：2018-11-23

Applicant: 安徽大学

Inventor： 刘政怡 ,  谢丰 ,  汪蕊

IPC: G06K9/62 ,  G06N3/00 ,  G06T7/11 ,  G06T7/40 ,  G06T7/50 ,  G06T7/90

Abstract: 本发明公开了一种一种基于PSO的RGBD图的协同显著目标检测方法，该方法包括以下步骤：S1、输入RGB图，深度图和相应的RGBD单幅图的显著图；利用gPb–owt–ucm分割法进行区域分割，得到候选目标区域；S2、利用PSO方法得到每个粒子的最佳聚类中心数目和最优特征；S3、通过初始种群进行聚类得到得到显著图；S4、利用聚类质量选出最优的粒子，更新显著图。本发明利用PSO来提取目标特征从而进行后续的显著检测，利用PSO既可以自动决定该分类的数目又可以同时提取特征，从而进行协同显著检测，先利用PSO得到特征，利用这些特征进行区域分类从而得到最后的多分类结果和协同显著图。本发明通过图像库测试对比证明了其有效性以及在效果上明显的优势。

公开(公告)号：CN109598291A

公开(公告)日：2019-04-09

申请号：CN201811403370.4

申请日：2018-11-23

Applicant: 安徽大学

Inventor： 汪蕊 ,  刘政怡 ,  谢丰

IPC: G06K9/62 ,  G06N3/00 ,  G06T7/11 ,  G06T7/40 ,  G06T7/50 ,  G06T7/90

Abstract: 本发明公开了一种一种基于PSO的RGBD图的协同显著目标检测方法，该方法包括以下步骤：S1、输入RGB图，深度图和相应的RGBD单幅图的显著图；利用gPb–owt–ucm分割法进行区域分割，得到候选目标区域；S2、利用PSO方法得到每个粒子的最佳聚类中心数目和最优特征；S3、通过初始种群进行聚类得到得到显著图；S4、利用聚类质量选出最优的粒子，更新显著图。本发明利用PSO来提取目标特征从而进行后续的显著检测，利用PSO既可以自动决定该分类的数目又可以同时提取特征，从而进行协同显著检测，先利用PSO得到特征，利用这些特征进行区域分类从而得到最后的多分类结果和协同显著图。本发明通过图像库测试对比证明了其有效性以及在效果上明显的优势。