基于共性与特异性信息分离融合的RGB-D显著性目标检测方法

本发明公开了基于共性与特异性信息分离融合的RGB‑D显著性目标检测方法，涉及人工智能的图像处理与计算机视觉技术领域。本发明通过逐层分离RGB与深度模态的共享特征和特异性特征，并结合共享特征融合与特异性特征选择策略，实现了更细粒度的多模态信息融合，能够有效挖掘隐藏在背景中的模态特异性信息，同时保留共享信息的互补性；此外，针对解码阶段上采样过程中存在的混叠效应问题，设计了基于不对称注意力矩阵的跨尺度注意力模块，通过融合多尺度特征显著提升显著性目标边缘的清晰度；实验结果表明，本方法在9个RGB‑D SOD数据集上均取得了最先进的性能，显著优于其他10种对比方法，特别是在复杂场景下表现出更强的鲁棒性和更高的检测精度。