[发明专利]一种多模态多拼接的RGB-D显著性目标检测方法

权利要求书

1.一种多模态多拼接的RGB-D显著性目标检测方法，其特征在于，包括如下步骤：

S1、实现图像人眼观测角度的识别的步骤，不同的人眼观测角度对应不同的图像偏转角度调整模型，基于图像偏转角度模型实现图像偏转角度的调整；

S2、将图像划分不重叠子区域，分别提取各个图像子区域的RGB图像颜色信息、Depth图像深度信息、对称不变LBP特征，并基于对称不变LBP特征形成区域直方图；

S3、基于类条件互信息熵度量RGB图像颜色信息、Depth图像深度信息、区域直方图的相关性,利用自适应的得分融合算法实现RGB图像颜色信息、Depth图像深度信息、区域直方图在得分层次进行融合，求出每个图像子区域的最终的得分；

S4、基于每个图像子区域的最终得分实现图像的显著性目标检测。

2.如权利要求1所述的一种多模态多拼接的RGB-D显著性目标检测方法，其特征在于，所述步骤S1中，基于深度卷积网络实现各个子区域的RGB图像颜色信息、Depth图像深度信息、对称不变LBP特征的提取。

3.如权利要求1所述的一种多模态多拼接的RGB-D显著性目标检测方法，其特征在于，所述步骤S1中，首先基于Dssd_ Xception _coco模型实现图像内载目标的检测，然后基于目标的检测结果实现图像子区域的划分。

4.如权利要求3所述的一种多模态多拼接的RGB-D显著性目标检测方法，其特征在于，每一个目标配置一图像子区域，剩余背景配置一图像子区域。

5.如权利要求3所述的一种多模态多拼接的RGB-D显著性目标检测方法，其特征在于，所述Dssd_ Xception _coco模型采用DSSD目标检测算法，用coco数据集预训练Xception神经网络，然后用先前准备好的数据集训练该模型，微调深度神经网络中的各项参数，最后得到合适的用于检测图像内载各目标的检测模型。

6.如权利要求1所述的一种多模态多拼接的RGB-D显著性目标检测方法，其特征在于，所述步骤S3中，基于ResNet50模型根据每个图像子区域的最终得分实现图像的显著性目标检测。