特定類的圖像語義分割.pdf

1、隨著互聯(lián)網(wǎng)和多媒體技術的迅速發(fā)展，語義網(wǎng)絡必將成為網(wǎng)絡發(fā)展的下一階段。圖像的語義分割(Semantic Segmentation)是構建語義網(wǎng)絡的基礎，關鍵環(huán)節(jié)是尋找視頻或圖像基于內(nèi)容的表示(Content-based Representation)。本課題的研究主要應用于基于視頻的奶牛識別系統(tǒng)，其中，完成特定奶牛類圖像的語義分割是實現(xiàn)該系統(tǒng)的基礎。目前，語義分割面臨的難題是底層特征向高層語義的映射，即“語義鴻溝”問題。本文利用詞袋模型

2、“Bag-of-Words”并結(jié)合基于內(nèi)容和基于類的圖像分割方法的優(yōu)勢，構建合理的語義映射模型，實現(xiàn)奶牛類圖像的語義分割。
　　 本文根據(jù)目前的研究現(xiàn)狀，主要進行了以下工作：
　　 1)基于多分辨率分析和分水嶺變換技術，本文提出一種改進的多分辨率標記控制的分水嶺分割算法。利用形態(tài)學重構去偽存真的優(yōu)勢提取出真實的區(qū)域極大值，再對重構結(jié)果求補后得到區(qū)域極小值，構建理想的標記模型；然后借助小波系數(shù)的三階矩完成區(qū)域融合；最終利用

3、小波逆變換將低分變率圖像投影到高分辨率，完成從粗到細的分割。
　　 2)在基于類的Top-Down分割方法CSF-SEG(Class-specific Fragment Segmentation)的基礎上，本文提出一種新的尋找對象基元CSF(Class Specific Fragment)的方法。同時構建CSF訓練庫和映射庫用以指導新圖像的分割，并利用相似性形準則找到圖像的一個最佳覆蓋，完成圖像分割。
　　 3)基于詞袋

4、模型“Bag-of-Words”，并結(jié)合Top-Down和Bottom-Up準則的優(yōu)點，本文提出一種有效的combined圖像分割方法。首先使用基于詞袋模型“Bag-of-Words”的Top-Down算法對圖像初始分割，初始分割過程需要在YCbCr色彩空間中，采用基于小波變換的同態(tài)濾波算法，分別對訓練圖像和待分割圖像做去光照預處理。然后將初始分割的結(jié)果作為Bottom-Up的輸入，用改進的多尺度標記控制分水嶺變換細化邊緣，完成分割。算