基于深度学习的RGB-D图像显著性目标检测前沿进展

作     者：黄年昌 杨阳 张强 韩军功 

作者机构：西安电子科技大学高性能电子装备机电集成制造全国重点实验室 西安电子科技大学机电工程学院 谢菲尔德大学计算机科学系 

出 版 物：《计算机学报》 (Chinese Journal of Computers)

年 卷 期：2025年第02期

页      面：284-316页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中国博士后科学基金(2023M742745) 国家资助博士后研究人员计划(GZB20230559) 广东省基础与应用基础研究基金委员会、粤穗联合基金青年基金项目(2023A1515110165) 陕西省创新团队项目(2018TD 012) 国家自然科学基金(61773301) 河北工业大学电气设备可靠性与智能化国家重点实验室基金项目(EERI_KF2022005)资助 

主　　题：显著性目标检测 RGB图像 深度图像 深度学习 多模态图像处理 

摘      要：显著性目标检测是计算机视觉领域的基础问题之一,旨在对图像中最吸引人注意的目标进行检测和分割。随着深度学习技术的发展,基于RGB(Red-Green-Blue)图像的显著性目标检测算法取得了巨大进步,在简单场景下已经取得较为满意的结果。然而,局限于可见光相机的成像能力,RGB图像易受到光照条件的影响,且无法捕捉场景的三维空间信息。相应地,基于RGB图像的显著性目标检测算法通常难以在一些复杂场景下取得较好的检测效果。近年来,随着深度成像技术不断发展和硬件成本不断降低,深度相机得到了广泛应用。其捕获的场景空间信息,与可见光图像获取的场景细节信息相互补充,有助于提升复杂场景下显著性目标检测性能。因此,RGB-深度(RGB-Depth,RGB-D)图像显著性目标检测引起了学者广泛研究。本文对近期基于深度学习的RGB-D图像显著性目标检测算法进行了整理和分析。首先,分析了多模态RGB-D图像显著性目标检测所面临的关键问题,并以此对现有算法解决这些关键问题的主要思路和方法进行了总结和梳理。然后,介绍了用于RGB-D图像显著性目标检测算法研究的主流数据集和常用性能评价指标,并对各类主流模型进行了定量比较和定性分析。最后,本文进一步分析了RGB-D图像显著性目标检测领域有待解决的问题,同时对今后可能的研究趋势进行了展望。