本发明公开了一种基于深度可信度分析的RGB‑D图像显著性检测方法。本发明方法首先评判深度图所反映场景远近程度信息的可信度，引出深度可信度因子λ作为度量立体图像显著性的主要特征指标，当深度图能较准确反映场景信息时，即λ＜0 .45，仅通过深度特征来进行立体图像显著性检测；当深度图可信度较低或场景较模糊时，即λ≥0 .45，再结合其他特征如颜色等进行显著性检测。本发明方法充分考虑了深度图线索对于立体视觉显著性检测的贡献度，通过计算深度图可信度因子，判断深度图能否准确反映场景距离或深度图是否存在失真。本发明方法计算复杂度低，获取的立体图像显著图质量高，可直接应用在3D图像感知，3D质量评估以及物体识别等工程领域中。

本发明方法计算复杂度低，获取的立体图像显著图质量高，可直接应用在3D图像感知，3D质量评估以及物体识别等工程领域中。

该方法首先评判深度图所反映场景远近程度信息的可信度，得到深度图的可信度因子λ，将λ作为度量立体图像显著性的特征指标，λ＜0 .45时，通过基于深度信息进行立体视觉显著性检测，λ≥0 .45时，结合颜色特征进行立体视觉显著性检测；该方法包括三个模块：深度可信度分析、基于深度信息进行立体视觉显著性检测、结合颜色特征进行立体视觉显著性检测

本发明属于图像处理技术领域，具体是立体图像处理技术领域，涉及一种基于深度可信度分析的RGB‑D图像显著性检测方法

在人眼视觉系统中，双目差距会使得自然场景投射到双眼中的成像略有不同，这种差异主要集中在水平维度也即视差，这一差异是人类感知场景立体深度的重要渠道。在显著性检测中，深度信息一般表示为灰度图像，其像素值表示从相机到在图像平面中投影的对象的距离，是反映物体距离人眼的远近，是立体图像的重要感知特征之一。 

周洋：2020年7月于吉林大学取得理学博士学位，同年9月进入温州大学化材学院，依托浙江省碳材料技术研究重点实验室，主要开展锂硫电池、硅碳负极，固态电解质，锌离子电池等新能源材料的合成、机理及应用研究。先后主持浙江省自然科学基金青年基金项目，广东省先进储能材料重点实验室开放课题等纵向课题，以第一作者或通讯者在***, Energy Storage Mater., Nano Energy, ACS Nano, Small, ***, ***, Nanoscale等国际权威期刊上发表SCI论文10余篇，其中影响因子>10以上6篇，热点论文1篇，高被引论文4篇，授权发明专利4项。

本发明方法在立体图像处理研究领域中提出了一种新颖的立体图像显著性检测技术，尽可能的去模拟人眼视觉注意力机制。改进了现有的立体图像显著目标检测算法，充分利用深度信息在立体视觉显著性检测中的重要作用。本发明方法中引入了一种新颖的判别方式—深度图可信度评价因子，它可以较准确度量深度图中场景信息是否存在模糊或失真，进而判断是否可以仅通过深度图信息进行立体图像显著性检测。当深度图存在模糊或失真时，仅仅通过深度图无法准确判断场景特征，再结合颜色信息分析立体视觉显著性。该立体图像显著性模型可以直接应用在3D视频处理，3D质量评估以及物体识别等工程领域中。 

技术合作，遣派学者专家到国外或者其他地区的高校，研究机构或者生产企业与对方的学者，专家合作进行研究设计，或者双方学者，专家轮流到对方学校，研究机构或者企业进行研究。