0  引言

圖像的顯著性^［1］概念是人類在研究視覺感知機制的過程中提出來的，可以理解為視覺場景中物體吸引人類注意力的程度。近年來，圖像顯著性檢測研究受到了廣泛關注，并在物體識別、圖像檢索等領域展現(xiàn)出廣闊的應用前景。早期的工作主要基于人工設計的視覺特征進行顯著性檢測，例如對比算法^［1］以及多尺度顯著區(qū)域融合^［2］等。近年來，深度學習被逐漸用于圖像顯著性檢測，并取得了良好的實驗效果［3］。隨著深度相機的普及，深度圖像（RGB-D圖像）的數據規(guī)模呈爆炸式增長，而且能克服二維圖像丟失深度信息的不足，因此利用深度信息提升視覺分析性能逐漸成為計算機視覺領域新的趨勢，吸引了研究人員的關注。在已有研究中，文獻［4］融合了深度信息來檢測圖像中的顯著目標，文獻^［5］采用了一種進化策略檢測RGB-D圖像中的顯著區(qū)域。以上工作均局限于檢測單幅圖像的顯著性，難以用于檢測一組相關圖像的協(xié)同顯著性。

較之單幅圖像顯著性檢測，圖像協(xié)同顯著性檢測力求在一組內容相關的圖片中發(fā)現(xiàn)共有的顯著目標。理論上，互相關聯(lián)的圖片組包含了更多信息，而且重復出現(xiàn)的目標有助于進一步理解圖像。對于RGB圖像，文獻［6］通過采用3個自下而上的顯著特征（對比特征、空間特征以及相似特征）進行特征聚類來獲得協(xié)同顯著圖。文獻［7］提出了一個基于多層分割的算法模型，該算法在粗分割的基礎上確定目標輪廓，然后通過細分割檢測區(qū)域間的相似性。文獻［8］通過基于圖模型的流行排序算法獲得協(xié)同顯著圖，但是僅使用單一圖模型必然會丟失部分信息。近年來，探索RGB-D圖像的協(xié)同顯著性也逐漸成為研究熱潮。與以往的前向檢測策略不同，文獻［9］設計了一個反饋迭代優(yōu)化模型來檢測協(xié)同顯著目標。文獻［10］通過特征匹配約束和顯著性標記傳播實現(xiàn)對RGB-D圖像的協(xié)同顯著性檢測。可以看到這些方法依賴于算法中所設計的自下而上的先驗特征，而且并沒有充分利用單幅圖像的顯著信息，因此在檢測效果上仍有很大的提升空間。

為了克服上述不足，本文提出了一種基于多視角信息融合的RGB-D圖像協(xié)同顯著性檢測算法。如圖1所示，考慮到單幅圖像的顯著圖包含了大量的圖像前景區(qū)域信息，本文首先采用深度學習網絡獲得效果良好的單幅RGB圖像的顯著圖。接著，提取圖像的多種類型特征建立多圖模型，采用流形排序算法初步檢測到協(xié)同顯著性目標。然后使用基于深度信息的顯著圖對初始的協(xié)同顯著圖進行優(yōu)化，最后使用秩約束算法將多種顯著信息進行融合，在進一步增強目標顯著性的同時降低了非顯著區(qū)域的影響。在標準數據集上的檢測結果證明了本文方法的優(yōu)越性能。

1  RGB-D圖像的協(xié)同顯著性檢測

1.1  基于DHSNet的單幅圖像顯著性檢測

深度學習誕生以后，研究人員提出了各種模型來進行顯著性檢測。盡管一些卷積網絡在檢測效果上取得了長足進步，但仍然可能存在以下不足：（1）沒有優(yōu)先考慮全局特征；（2）單獨處理超像素等局部區(qū)域時，并沒有在映射空間中充分利用它們之間的關聯(lián)信息。深度層次神經網絡(Deep Hierarchical Saliency Network，DHSNet)^［3］很好地克服了這些不足，它采用先卷積而后逐步細化微調的方式不斷優(yōu)化顯著性檢測結果。因此，給定RGB圖像集，采用DHSNet來獲得效果良好的單幅圖像的顯著圖。

1.2  基于多視角信息融合的圖像協(xié)同顯著性檢測算法

（1）多圖模型

僅依賴于單一圖模型的檢測算法^［8］不可避免地會丟失部分重要的圖像信息，因此本文提出了一種基于多視角信息融合的協(xié)同顯著性檢測算法，通過多種圖像特征建立多圖模型^［11］來檢測協(xié)同顯著目標。給定RGB圖像集及屬于Ii的超像素^［6］的集合Ωⁱ=，首先抽取共G種類型的圖像特征，接著，將任一超像素作為節(jié)點V，將節(jié)點之間的特征距離作為連接權重建立圖模型ζ=(V,W)，定義連接權重為：

式中xg,j為節(jié)點xg,i的近鄰節(jié)點，g表示某一種圖像特征。采用多種類型的圖像特征建立多圖模型，其損失函數為：

其中矩陣W_g,ij由w_g,ij構成且D_g,ii=。理論上，每個圖模型的權重是不同的。引入參數λ獲得公式(1)關于f和β的凸模型：

采用迭代的方式對式(3)求解。分別對f以及β求導，有：

固定f求βg：

固定β可以求得f：

其中fT是f的轉置矩陣，Lg=D－1/2gWgD－1/2g為相應的拉普拉斯矩陣。

（2）協(xié)同顯著性檢測

考慮到單幅圖像的顯著圖可以為協(xié)同顯著目標的檢測提供重要的信息，因此采用流行排序算法進行協(xié)同顯著性檢測。給定單幅圖像的顯著圖S1，對于任一包含Z幅圖像的圖像組，首先根據顯著圖S1給每張圖像賦初始顯著值，記為y=［y1,y2,…,yZ］，對于任意yk(1≤k≤Z)，可以通過協(xié)同顯著性檢測算法公式(6)獲得余下的(Z－1)張圖像的初始協(xié)同顯著圖，按照相同的方法，對每一張圖像輪流進行上述操作。因此對于每幅圖像總共可以得到(Z－1)張協(xié)同顯著圖SMZ－1和1張初始的顯著圖。將Z幅顯著圖SMZ進行融合獲得協(xié)同顯著圖：

其中t表示超像素, rep(·)為在Z個圖像中某一超像素被記為顯著目標的次數。通過該算法過程，不僅可以在單幅圖像顯著圖的基礎上增加未標記的協(xié)同顯著區(qū)域，而且抑制了非協(xié)同顯著區(qū)域。

1.3  基于深度圖的顯著性檢測及融合

對比因子類似于人類視覺系統(tǒng)的感受野，因此對比線索廣泛用于顯著性度量。對于圖像I_i的任一像素點r_a，定義特征對比線索^［12］為：

與RGB圖一樣，深度空間里唯一的距離信息也可以增強目標的顯著性。D(r_a,r_b)為像素r_a和r_b的深度信息差異，也可以看作是相對顯著程度，ω(r_a,r_b)是空間權重項，分別定義為：

其中，d(r_a,r_b)是像素r_a和r_b的歐式空間距離, α²為常數控制空間權重。在視覺注意機制中，人們更傾向于關注圖像的中心區(qū)域。因此引入空間偏置進行平滑：

式中第一項反映了中心偏置，l_a為像素坐標，N是高斯核函數，θ為圖像中心，方差σ²為歸一化后的圖像半徑。第二項為深度信息偏置，定義為：

其中，q=max{d_a}－min{d_a}，為深度圖中距離da最遠和最近的像素之間的距離，γ為平衡參數。借助于中心偏置，基于深度圖的顯著性檢測模型可以定義為：

基于深度信息的顯著圖雖然包含了重要的顯著信息，但同時也要進一步去除非協(xié)同顯著的區(qū)域。考慮到單幅圖像的顯著圖S1基本包含了顯著區(qū)域，首先采用掩碼的方式大致剔除非前景區(qū)域，然后考慮如下的融合方法：如果協(xié)同顯著區(qū)域的顯著值較大則將其保留下來，否則應將其與基于深度信息的顯著圖進行線性擬合，即：

1.4  基于秩約束的融合算法

作為顯著性檢測研究的發(fā)展，協(xié)同顯著性檢測不僅和單幅圖像的顯著性檢測一樣遵循視覺顯著機制，而且顯著目標在多張圖片中展現(xiàn)出了較高的相似度和穩(wěn)定性，在數學矩陣上表現(xiàn)為低秩特征，稱之為秩約束^［13］。給定圖片集，通過M個顯著性檢測方法計算獲得N×M顯著圖。首先通過顯著性閾值（設置為0.3）得到圖像的前景區(qū)域f，然后計算得到1 000維的RGB顏色直方圖作為該前景區(qū)域的顏色特征，記為F=［f1,f2,…,fM］，計算其近似低秩矩陣R：

式中ψ為控制E的稀疏性的權重參數，采用主成分分析算法（RPCA）^［14］來解決相應的凸優(yōu)化問題。理論上，對于所有的輸入圖像, 其協(xié)同顯著圖通過利用自適應權重融合每個獲得：

式中為的權重，滿足0≤≤1,且：

其中為E^*的第i列。當稀疏誤差越小時，該區(qū)域的協(xié)同顯著性概率就越大。

2  實驗結果及分析

2.1  數據集及評價標準

Cosal150數據集目前被廣泛用于RGB-D圖像協(xié)同顯著性檢測。實驗中，令α²=0.4，ηg=0.01，γ=5，ρ=0.5，δ=0.01，σ²=1，ψ=0.05。對于RGB圖像分別抽取顏色特征以及紋理特征，同時通過FCN^［15］深度網絡抽取Conv1_2層特征和Conv5_3層特征，因此G=4。在實驗中經過MAE測試令λ=1.2。在秩約束融合過程中，將S1、S2、S3以及通過LI G等^［16］設計的深度學習模型獲得的單幅圖像顯著圖進行融合。為了定量比較試驗效果，采用準確率-召回率(Precision-Recall)曲線和平均絕對誤差（MAE）兩種評價規(guī)則。準確率與召回率曲線是通過改變顯著閾值判斷像素是否顯著獲得的。MAE是顯著圖和真實標注圖之間的平均絕對誤差，定義為：

其中，S(x,y)為算法預測的顯著圖，GT(x,y)為標注的真實顯著圖，W、H分別為圖像的寬度和高度。

2.2  效果對比

將本文提出的算法與其他協(xié)同顯著性檢測方法做對比。對于RGB圖像，主要與模型CB^［6］、HS^［7］、SCS^［11］進行對比。針對RGB-D圖像，主要與代表性的檢測模型MFM^［10］、IC^［9］進行對比。實驗結果如圖2以及表1所示。可以看到，本文方法在PR曲線上大幅領先其他方法。對于MAE，本文方法取得了最小值0.093，相比MFM下降了32.61%。

2.3  算法分析

為了證明多圖模型以及深度信息的重要作用，對算法模型進行逐步分析。實驗結果如圖3及表2所示。從PR曲線可以看到在采用多圖模型后（MG）,檢測結果與單圖模型^［8］（SG）相比有顯著提升，對應的MAE下降了30.00%。加入深度信息后（MG-D），PR曲線進一步提升，同時MAE相比MG下降了6.67%。進一步地，在采用秩約束算法融合顯著信息（our）后，PR曲線達到最優(yōu)，MAE也獲得了最小值0.093，與MG-D相比繼續(xù)下降了5.10%。該分析實驗表明，深度信息在圖像協(xié)同顯著檢測中起到巨大作用，同時融合多種顯著信息能有效提升檢測效果。

3  結論

本文提出了一種基于多視角信息融合的RGB-D圖像協(xié)同顯著性檢測算法。該算法通過使用多種類型的圖像特征建立多圖模型，有效克服了單一圖模型在檢測過程中的信息丟失問題。實驗還表明融合深度信息能有效提升協(xié)同顯著性檢測效果。值得指出的是，本文提出的方法不僅適合RGB-D圖像協(xié)同顯著性檢測任務，也同樣適用于RGB圖像的協(xié)同顯著性檢測。接下來的工作將更好地融合深度特征以及采用深度學習方法進行RGB-D圖像的協(xié)同顯著性檢測。

參考文獻

［1］ KOCH C, ULLMAN S. Shifts in selective visual attention: towards the underlying neural circuitry［M］.Matters of Intelligence, Springer Netheriands, 1987.

［2］ TONG N, LU H, ZHANG L, et al. Saliency detection with multi-scale superpixels［J］. IEEE Signal Processing Letters, 2014, 21(9): 1035-1039.

［3］ LIU N, HAN J. DHSNet: deep hierarchical saliency network for salient object detection［C］//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2016: 678-686.

［4］ Cong Runmin, Lei Jianjun, Zhang Changqing, et al. Saliency detection for stereoscopic images based on depth confidence analysis and multiple cues fusion［J］. IEEE Signal Processing Letters, 2016,23（6）:819-823.

［5］ GUO J, REN T, BEI J. Salient object detection for RGB-D image via saliency evolution［C］//2016 IEEE International Conference on Multimedia and Expo (ICME). IEEE, 2016: 1-6.

［6］ FU H, CAO X, TU Z. Cluster-based co-saliency detection［J］. IEEE Transactions on Image Processing, 2013, 22(10): 3766-3778.

［7］ LIU Z, ZOU W, LI L, et al. Co-saliency detection based on hierarchical segmentation［J］. IEEE Signal Processing Letters, 2014, 21(1): 88-92.

［8］ LI Y, FU K, LIU Z, et al. Efficient saliency-model-guided visual co-saliency detection［J］. IEEE Signal Processing Letters, 2015, 22(5): 588-592.

［9］ CONG R, LEI J, FU H, et al. An iterative co-saliency framework for RGBD images［J］. IEEE Transactions on Cybernetics, 2017（99）:1-14.

［10］ CONG R, LEI J, FU H, et al. Co-saliency detection for RGBD images based on multi-constraint feature matching and cross label propagation［J］. IEEE Transactions on Image Processing, 2018, 27(2): 568-579.

［11］ ZHAO S, YAO H, YANG Y, et al. Affective image retrieval via multi-graph learning［C］//Proceedings of the 22nd ACM International Conference on Multimedia. ACM, 2014: 1025-1028.

［12］ LIU T, YUAN Z, SUN J, et al. Learning to detect a salient object［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(2): 353-367.

［13］ CAO X, TAO Z, ZHANG B, et al. Self-adaptively weighted co-saliency detection via rank constraint［J］. IEEE Transactions on Image Processing, 2014, 23(9): 4175-4186.

［14］ CANDS E J, LI X, MA Y, et al. Robust principal component analysis?［J］. Journal of the ACM (JACM), 2011, 58(3): 11.

［15］ LONG J, SHELHAMER E, DARRELL T. Fully convolutional networks for semantic segmentation［C］//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2015: 3431-3440.

［16］ LI G, YU Y. Deep contrast learning for salient object detection［C］//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2016: 478-487.

（收稿日期：2018-04-29）

作者簡介：

吳乾紳（1990-），男，碩士，主要研究方向：模式識別。