[发明专利]显著图像的提取处理方法及系统

权利要求书

1.显著图像的提取处理方法，包括：

步骤S101，通过RGB通道对当前图像的特征进行分析，获取当前图像的RGB显著特征；

步骤S102，通过Depth通道对当前图像的特征进行分析，获取当前图像的Depth显著特征；

步骤S103，假设获取所述RGB显著特征与所述Depth显著特征服从高斯分布；

步骤S104，RGB显著特征与Depth显著特征满足条件独立分布，采用贝叶斯框架进行融合，估计图像显著性后验概率得到显著性区域；

步骤S105，根据所述显著性区域对图形进行处理。

2.根据权利要求1所述的显著图像的提取处理方法，其特征在于，所述步骤S101包括：

通过深层卷积神经网络方法对RGB通道对当前图像的特征进行分析，获取当前图像的RGB显著特征。

3.根据权利要求1所述的显著图像的提取处理方法，其特征在于，所述步骤S102包括：

通过深层卷积神经网络方法对Depth通道对当前图像的特征进行分析，获取当前图像的Depth显著特征。

4.根据权利要求1所述的显著图像的提取处理方法，其特征在于，所述步骤S103中包括：

通过贝叶斯框架融合RGB显著特征与所述Depth显著特征，基于显著特征服从高斯分布计算显著性后验概率。

5.根据权利要求1所述的显著图像的提取处理方法，其特征在于，所述步骤S101前包括：

步骤S100，基于3D图像Kinect传感器进行RGB-D图像采集。

6.显著图像的提取处理系统，包括：RGB显著性区域获取单元、Depth显著性区域获取单元、贝叶斯框架融合单元，显著性区域获取单元及图形处理单元；其中，

RGB显著性区域获取单元，配制为通过RGB通道对当前图像的特征进行分析，获取当前图像的RGB显著特征；

Depth显著性区域获取单元，配制为通过Depth通道对当前图像的特征进行分析，获取当前图像的Depth显著特征；

贝叶斯框架融合单元，配置为所述RGB显著特征与所述Depth显著特征满足条件独立分布，并且假设显著特征均服从高斯分布，基于朴素贝叶斯计算显著性后验概率；

显著性区域获取单元，配置为若所述区域的后验概率大于0.5，则提取该所在的区域为显著区域；

图形处理单元，配置为根据所述显著图形区域对图形进行处理。

7.根据权利要求6所述的显著图像的提取处理系统，所述RGB显著性区域获取单元还配制为：

通过深层卷积神经网络方法对RGB通道对当前图像的特征进行分析，获取当前图像的RGB显著特征。

8.根据权利要求6所述的显著图像的提取处理系统，所述Depth显著性区域获取单元还配制为：

通过深层卷积神经网络方法对Depth通道对当前图像的特征进行分析，获取当前图像的Depth显著特征。

9.根据权利要求6所述的显著图像的提取处理系统，所述贝叶斯框架融合单元还配制为：

假设RGB显著特征和Depth显著特征服从高斯分布，通过贝叶斯框架融合所述RGB显著特征与所述Depth显著特征的概率分布。

10.根据权利要求6所述的显著图像的提取处理系统，还包括：图像采集单元，配制为图像采集。