科创中国

电子信息技术

本发明公开了一种基于稀疏表示的立体图像视觉显著提取方法，其在字典学习阶段，先获取每幅立体图像的左视点图像的左视点视觉特征图和右视点图像的右视点视觉特征图，然后根据左视点图像和右视点图像及两者之间的视差图像、左视点视觉特征图和右视点视觉特征图，获取每幅立体图像的左右视点融合图像，接着根据所有左右视点融合图像进行联合字典训练操作得到融合图像字典表；在显著预测阶段，以相同的方式获取待视觉显著提取的立体图像的左右视点融合图像，然后根据融合图像字典表对左右视点融合图像进行处理得到融合稀疏特征图，进而提取得到视觉显著图；优点是符合显著语义特征，且具有较强的提取稳定性和较高的提取准确性。

①_1、选取K幅宽度为W且高度为H的立体图像，将第k幅立体图像记为SRGB,k，将SRGB,k的左视点图像记为{LRGB,k(x,y)}，将SRGB,k的右视点图像记为{RRGB,k(x,y)}，其中，1≤K≤100，1≤k≤K，1≤x≤W,1≤y≤H，LRGB,k(x,y)表示{LRGB,k(x,y)}中坐标位置为(x,y)的像素点的像素值，RRGB,k(x,y)表示{RRGB,k(x,y)}中坐标位置为(x,y)的像素点的像素值； ①_2、根据每幅立体图像的左视点图像和右视点图像，并采用块匹配方法，计算每幅立体图像的左视点图像与右视点图像之间的视差图像，将{LRGB,k(x,y)}与{RRGB,k(x,y)}之间的视差图像记为{dk(x,y)}，其中，dk(x,y)表示{dk(x,y)}中坐标位置为(x,y)的像素点的像素值； ①_3、采用LOG滤波方法，对每幅立体图像的左视点图像进行操作，得到每幅立体图像的左视点图像的左视点视觉特征图，将{LRGB,k(x,y)}的左视点视觉特征图记为{LLOG,k(x,y)}。

周武杰，1983年9月出生，副教授/博士后，硕士生导师，浙江省电子学会理事，IEEE成员，CCF成员，中国人工智能学会会员，浙江省“计算机科学与技术”一流学科B类方向负责人。2012年入选"青年骨干教师"，2015年入选"优秀青年教师资助计划"，2016年入选"科大青年英才"，2022年入选斯坦福大学发布的全球前2%顶尖科学家榜单。浙江大学信息与通信工程专业博士后，国家留学基金委公派新加坡南洋理工大学访问学者。主要从事人工智能与深度学习、机器视觉与模式识别、图像处理等方面的研究;近几年以第一作者在AAAI、TIP、TNNLS、TCSVT、TMM、TITS、TSTSP、TSMC、TBC、TGRS、TCI、MIS、TCDS、TETCI、TIV、PR和中国科学等国际权威SCI期刊或核心期刊上发表学术论文50多篇

点击查看