基于上下文語義的圖像編輯.pdf

1、本文提出了一個基于上下文語義的圖像編輯算法，分析了圖像的上下文語義特征，并將其應(yīng)用到圖像編輯技術(shù)中。圖像語義是人們對圖像的直觀感受，包括人們對圖像中對象的理解和隱含的對象之間關(guān)聯(lián)的理解，它可以完整的描述圖像信息，極大的減少圖像編輯中細(xì)節(jié)的缺失，但是在圖像編輯方法中，傳統(tǒng)方法主要運用顏色、紋理、形狀等基本特征，對語義特征的應(yīng)用則少之又少，其中主要難點在于圖像呈現(xiàn)的視覺表示和實體描述之間存在巨大的語義鴻溝，原因在于視覺表示很難和語義建立關(guān)聯(lián)

2、；另外，語義的定義本身存在很大的不確定性和多義性，很容易產(chǎn)生歧義。為了解決以上問題，本文從最底層次的輪廓特征進(jìn)行深入討論，提出了基于上下文語義的圖像編輯算法，它是由基于上下文語義的圖像表示ShapeNets和基于上下文語義的圖像拼接兩部分構(gòu)成。
　　ShapeNets是一個基于形狀的、結(jié)構(gòu)緊湊的、分層表示圖像結(jié)構(gòu)和對象輪廓外觀特征的圖像表示模型。在一個ShapeNets中，首先通過似物性采樣方法檢測圖像中包含的對象，用二次級聯(lián)的支

3、持向量機通過訓(xùn)練和打分篩選出最佳的包含窗口；使用經(jīng)典的基于Canny算子的輪廓提取算法提取窗口中對象的輪廓；通過自適應(yīng)粒度模型模糊描述對象之間的空間方向關(guān)系，并用一個代表性的節(jié)點對該輪廓進(jìn)行表示，ShapeNets是一個由粗到細(xì)的層次結(jié)構(gòu)，用戶在目標(biāo)圖像上搜索期望的形狀時，系統(tǒng)自動查詢圖像庫發(fā)現(xiàn)語義兼容的候選地區(qū)。我們將該算法應(yīng)用于圖像匹配、圖像縮放、圖像分析和理解、行為理解等大量實驗中，證明了該算法的可行性、高效性和實用性。
　

4、　基于上下文語義的圖像拼接算法是一個新穎的圖像拼接方案，它使用超像素分割圖像和顯著能量傳播合成圖像。在進(jìn)行超像素圖像分割時，采用了一個聚類目標(biāo)函數(shù)，它結(jié)合了熵率和平衡項，控制集群的緊湊度、均勻性、大小和超像素塊的個數(shù)實現(xiàn)圖像分割。之后，充分考慮背景復(fù)雜度對視覺注意的劇烈影響，利用依賴上下文的顯著模型計算圖像超像素的顯著度并對圖像進(jìn)行預(yù)處理。最終，在進(jìn)行區(qū)域拼接時，利用基于測地距離的顯著性能量全局傳播完成圖像的合成。實驗結(jié)果表明本文提出的