RGB彩色图（如图1。1），RGB彩色模式是工业界的一种颜色规范，我们都知道不同颜色交织在一起可以得到其他不同的颜色，大千世界中五彩缤纷的颜色就是是通过红绿蓝这三个通道的变换以及还有他们之间相互交叉重叠覆盖形成的。R、G、B分别表示RED（红）、GREEN（绿）、BLUE（蓝）这三个通道的颜色，以上所述的规范基本上涵盖了人类眼睛所能看到大千世界的全部颜色，这是当前使用最普遍的颜色体系中的一种。79044

RGB色彩图。RGB-D深度图RGB-D深度图像[21]（如图1。2）也称为距离图像，是指从观察视角看去，图像所包含信息与场景中物体表面距离相关的一种图像或一种图像通道。在深度图像中像素点的灰度值对应于场景中各点的相对深度值｡

视觉显著分析在计算机视觉方向的研究是非常具有意义的，伴随例如Kinect等可以收集场景中深度信息的视觉传感器的渐渐推广，对于深度线索在显著性作用上的研究已经是一个全球热门和前端科研方向。以前人们做过对视觉显著性的研究实验大多数只停留在静态或动态的二维场景中。既然人类的视觉系统已经进化尤其是在自然的三维环境中，那么研究深度信息是否以及如何影响视觉显著性是必要的。

人类的视觉对于特定区间的探索和选择的详细处理是通过视觉注意机制实现的[1]。当人类注视选定位置的细节时，眼睛几乎仍然保持着固定不变，这是的视线移动成为一个有价值的对象来理解人类的注意力。视觉显著性指的是在一个态或动态的二维场景。既然人类的视觉系统已经进化尤其是在自然的三维环境中，那么研究深度信息是否以及如何影响视觉显著性是必要的。人类的视觉对于特定区间的探索和选择的详细处理是通过视觉注意机制实现的论文网

[1]。当人类注视选定位置的细节时，眼睛几乎仍然保持着固定不变，这是的视线

移动成为一个有价值的对象来理解人类的注意力。视觉显著性指的是在一个场景上显眼或有意义区域的优先定影[2]，这也被证明与重要的的对象和他们之间的关系对应[5]。视觉显著性在确定人类视觉体验中至关重要，同时应用到了一些应用中，例如自动图像采集浏览和图像裁剪。

视觉显著性已被广泛研究在信号处理，计算机视觉，机器学习，心理和视觉研究文献等领域[6][7][1][8][9]。然而大多数显著模型忽略了人类视觉系统在真正的3D环境中的事实，而这些模型只调查在2D图像和在2D场景中被捕获的视觉定影数据中的线索。然而，立体内容提供了用于人们对其周围环境的理解并且在视觉注意起到重要作用的的额外深度线索[10]。观察者观看2D画面和3D图像时关注点有何不同？2D图像和3D图像中的各自特征对显著性的影响如何？这些问题不仅有趣重要，并且回答起来也能显著受益于计算机视觉研究领域，比如自主移动系统，3D内容监控和检索，广告设计，以及在小型设备上的自适应图像显示。

为了了解人的注意和定性评价计算模型，视线追踪数据被用来创建人类固定地图，用于为地面实况的显著性模型研究提供一个很好的资源库。大多数视线跟踪数据集[7][12][13][5]由2D场景构造，大多数显著型模型只研究2D图像或视频的线索。与此相反，相对很少有实验调查3D模型中的视觉显著内容。最近，一些研究人员开始研究3D立体内容的视觉显著性。Jansen等人[11]研究2D和3D静态影像的目视检查差异对人类行为的影响。他们从14名学员观测来自全国各地28张立体图像的2D-3D版免费观看任务中采集视线跟踪数据。最近的一项研究[14]收集21段视频剪辑，并且对应的眼睛注视数据在这两个版本中。然而，与2D视线追踪数据集相比，一个全面的3D视线追踪数据集依然没有。深度线索提供关于在视觉领域内容的其他重要信息，并可以被认为显著性检测[15]和动作识别[4]相关的功能。。虽然有过几次努力[16][17][18][19]以包含进入计算关注模型的深度通道，从立体声输入中提取深度的一个主要问题是处理差距所需的计算时间。 RGB-D图像视线跟踪数据国内外研究现状:http://www.youerw.com/yanjiu/lunwen_91246.html