基于边界增强和加权大核的多尺度RGB-D显著性目标检测

来源：计算机应用研究杂志2025年第12期北京时间：

作者：严灵毓,周婷,高榕,叶志伟,

单位：湖北工业大学〓a.计算机学院;b.湖北省绿色智能算力网络重点实验室,武汉430068；

摘要：针对显著性目标检测中前景与背景分离效果不佳及背景噪声抑制不足的问题，提出了一种加权大核边界增强多尺度RGB-D显著性目标检测网络（LKMNet）。该方法通过引入边界增强加权大核融合模块（BWLKF），结合边界信息与加权大核卷积结构，提升前景聚焦能力并增强边界检测精度。同时，设计了动态门控多尺度融合模块（DGMF），通过自适应门控机制平衡局部与全局信息，从而突出空间相关特征并有效抑制背景干扰。实验结果表明，该方法在四个RGB-D数据集上的检测精度优于现有方法，验证了其在显著性目标检测任务中的优越性能。

关键词：RGB-D显著性检测,多尺度特征融合,边界增强,加权大核卷积,

基金资助：国家自然科学基金资助项目(62472149)；湖北省高等学校优秀中青年科技创新团队计划资助项目(T2023006)；湖北省科技计划立项项目(2023BEB024)；；