特定類(lèi)的圖像語(yǔ)義分割.pdf

1、隨著互聯(lián)網(wǎng)和多媒體技術(shù)的迅速發(fā)展，語(yǔ)義網(wǎng)絡(luò)必將成為網(wǎng)絡(luò)發(fā)展的下一階段。圖像的語(yǔ)義分割(Semantic Segmentation)是構(gòu)建語(yǔ)義網(wǎng)絡(luò)的基礎(chǔ)，關(guān)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(yīng)用于基于視頻的奶牛識(shí)別系統(tǒng)，其中，完成特定奶牛類(lèi)圖像的語(yǔ)義分割是實(shí)現(xiàn)該系統(tǒng)的基礎(chǔ)。目前，語(yǔ)義分割面臨的難題是底層特征向高層語(yǔ)義的映射，即“語(yǔ)義鴻溝”問(wèn)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(lèi)的圖像分割方法的優(yōu)勢(shì)，構(gòu)建合理的語(yǔ)義映射模型，實(shí)現(xiàn)奶牛類(lèi)圖像的語(yǔ)義分割。
　　 本文根據(jù)目前的研究現(xiàn)狀，主要進(jìn)行了以下工作：
　　 1)基于多分辨率分析和分水嶺變換技術(shù)，本文提出一種改進(jìn)的多分辨率標(biāo)記控制的分水嶺分割算法。利用形態(tài)學(xué)重構(gòu)去偽存真的優(yōu)勢(shì)提取出真實(shí)的區(qū)域極大值，再對(duì)重構(gòu)結(jié)果求補(bǔ)后得到區(qū)域極小值，構(gòu)建理想的標(biāo)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(xì)的分割。
　　 2)在基于類(lèi)的Top-Down分割方法CSF-SEG(Class-specific Fragment Segmentation)的基礎(chǔ)上，本文提出一種新的尋找對(duì)象基元CSF(Class Specific Fragment)的方法。同時(shí)構(gòu)建CSF訓(xùn)練庫(kù)和映射庫(kù)用以指導(dǎo)新圖像的分割，并利用相似性形準(zhǔn)則找到圖像的一個(gè)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(zhǔn)則的優(yōu)點(diǎn)，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(duì)圖像初始分割，初始分割過(guò)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(duì)訓(xùn)練圖像和待分割圖像做去光照預(yù)處理。然后將初始分割的結(jié)果作為Bottom-Up的輸入，用改進(jìn)的多尺度標(biāo)記控制分水嶺變換細(xì)化邊緣，完成分割。算