基于概率圖模型的圖像語義分割技術(shù)研究.pdf

1、圖像分割是指根據(jù)像素特征，將數(shù)字圖像細(xì)分為多個(gè)互不重疊區(qū)域的過程。分割的目的在于直觀表達(dá)圖像區(qū)域所包含的信息以及各區(qū)域間的關(guān)系。本文的工作是尋找一個(gè)能夠挖掘圖像區(qū)域間關(guān)聯(lián)信息的模型，從而有效地指導(dǎo)圖像分割，并實(shí)現(xiàn)語義理解。
　　語義分割問題可以歸結(jié)為標(biāo)注問題，即為圖像的每個(gè)像素賦予特定標(biāo)記。這些離散標(biāo)記的內(nèi)容依賴于具體任務(wù)，例如它們對應(yīng)于不同的目標(biāo)類別、不同的深度或者不同的亮度，而所有標(biāo)注問題都可由概率圖模型進(jìn)行建模。
　　

2、本文采用基于不同分割粒度的高階條件隨機(jī)場建模，使用啟發(fā)式算法學(xué)習(xí)模型參數(shù)，使用經(jīng)典的圖割算法進(jìn)行模型推理。本文的主要工作內(nèi)容如下:
　　(1)本文采用高階條件隨機(jī)場模型建模，以不同量化度的圖像作為多層條件隨機(jī)場模型的基礎(chǔ)架構(gòu)，包括一層像素層和三種不同分割粒度的超像素層，分割層采用經(jīng)典的Mean-shift無監(jiān)督分割算法實(shí)現(xiàn)。
　　(2)關(guān)于單元?jiǎng)莺统蓪荨Ｔ谙袼貙?，本文采用基于像素點(diǎn)的稠密特征計(jì)算像素的標(biāo)注概率，并采用多組矩

3、形濾波器來捕獲像素點(diǎn)特征的空間布局信息，以此作為Boosting算法的弱分類器，訓(xùn)練出可用于計(jì)算觀察點(diǎn)單元?jiǎng)莸膹?qiáng)分類器，采用對比度敏感勢計(jì)算像素間的成對勢;在超像素層，統(tǒng)計(jì)區(qū)域內(nèi)主標(biāo)簽作為單元?jiǎng)菽?，?jì)算相鄰區(qū)域的特征直方圖距離作為成對勢能。
　　(3)關(guān)于層間勢能。為了區(qū)分各種不連續(xù)標(biāo)簽對主標(biāo)簽的偏離程度，本文在傳統(tǒng)的高階條件隨機(jī)場的基礎(chǔ)上，提出一種基于分割質(zhì)量的層間勢能，我們依據(jù)特征方差來確定標(biāo)簽不一致像素的懲罰力度，并引入容錯(cuò)