Angesichts der Probleme unvollständiger Zielerkennung und verschwommener Kanten bei der Salienzerkennung in Lichtfeldbildern wird in diesem Artikel eine auf Kantenguidance basierende Methode zur Salienzerkennung in Lichtfeldbildern vorgeschlagen. Ein Kantenverstärkungsnetz extrahiert die Hauptkarte und die Kantenverstärkungskarte des vollfokussierten Bildes, kombiniert mit den aus der Hauptkarte und den Fokus-Stack-Bildern extrahierten Merkmalen, um eine anfängliche Salienzkarte zu erhalten, die die Genauigkeit und Vollständigkeit der Ergebnisse verbessert; die anfängliche Salienzkarte und die Kantenverstärkungskarte werden über ein Merkmalfusionsmodul weiter verarbeitet, um Kanteneigenschaften zu erlernen und Kantendetails hervorzuheben; schließlich wird eine Randmischungsverlustfunktion verwendet, um eine Salienzkarte mit klareren Kanten zu optimieren. Experimentelle Ergebnisse zeigen, dass das vorgeschlagene Netzwerk bei den neuesten Lichtfelddatensätzen eine F-Maß von 0,88 und einen MAE von 0,046 erzielt und damit bestehende Algorithmen zur Salienzerkennung in RGB-, RGB-D- und Lichtfeldbildern übertrifft. Die vorgeschlagene Methode kann vollständige saliente Objekte in komplexen Szenen präziser erkennen und Salienz Karten mit klaren Kanten erhalten.

Salienzerkennung;Deep Learning;Lichtfeldbilder;Convolutional Neural Networks;Kantenerkennungsnetz