基于圖結(jié)構(gòu)的目標檢測與分割算法研究.pdf

1、隨著圖像、視頻等多媒體技術(shù)的發(fā)展，如何對快速增長的圖像和視頻數(shù)據(jù)進行高效處理逐漸成為熱點和難點問題，而圖像分割正是解決這些問題的關(guān)鍵技術(shù)和必要的前提。由于實際圖像的復(fù)雜和多樣，使得分割算法的設(shè)計具有極大挑戰(zhàn)性。其中，目標的表示和分割模型設(shè)計是兩個關(guān)鍵問題，本文主要針對這兩點展開深入的研究。
　　首先，在分割算法中高效地嵌入圖像多特征和上下文信息是提高算法魯棒性的重要途徑。為了設(shè)計高效的分割算法，我們結(jié)合圖結(jié)構(gòu)在對數(shù)據(jù)關(guān)聯(lián)性進行建模

2、方面的優(yōu)勢提出了多種模型。以圖結(jié)構(gòu)為基礎(chǔ)，本文提出了面向交互式分割的多特征條件隨機場圖模型、與半監(jiān)督學(xué)習(xí)相結(jié)合的單目標分割模型、結(jié)合自適應(yīng)分簇和利用區(qū)域聚合分簇的多目標分割模型等。其次，對分割目標進行定位是減小圖像復(fù)雜性和模糊性對分割精度的影響和提高目標表示準確性的有效手段。自動分割算法中需要對目標進行自主定位和信息挖掘，目標檢測是可實現(xiàn)自動信息獲取的關(guān)鍵技術(shù)。因此針對于自動圖像分割而設(shè)計高效的目標檢測模型是本文的另一個重點研究方向?？?/p>

3、地來說本論文研究了與交互式分割相關(guān)的模型、目標檢測相關(guān)模型和以目標檢測為初始化的分割模型，本文的主要創(chuàng)新點如下：
　　在交互式圖像分割算法的研究中，為了充分利用種子點中所含的圖像特征和上下文信息，論文提出了一種基于分塊訓(xùn)練地隨機場模型參數(shù)學(xué)習(xí)算法，該算法具有訓(xùn)練速度快、所需樣本少以及泛化能力強等優(yōu)點。為了進一步提高了分割的精度和交互的效率，本文研究了基于主動學(xué)習(xí)模型的迭代式分割框架。此外針對于交互式分割方法在在醫(yī)學(xué)體數(shù)據(jù)上的應(yīng)用，

4、本文提出了一種局部分簇算法用于初始目標定位，充分利用體數(shù)據(jù)的時空約束進行信息傳遞，從而將二維交互式分割算法擴展到三維體數(shù)據(jù)分析中。
　　在基于分簇的圖像分割的研究中，論文提出了一種利用先驗自適應(yīng)分簇的分割模型，相比于傳統(tǒng)的分割模型該方法該分簇算法更適用于目標檢測等任務(wù)，提出的算法不僅可保留與所檢測目標相關(guān)的信息同時也提高了分割的計算效率，此外通過直方圖分析來自動決定分簇個數(shù)，也解決傳統(tǒng)模型中需要手動設(shè)置分簇數(shù)量參數(shù)的問題。

5、　　在研究中我們發(fā)現(xiàn)，通過顯著性信息對目標進行定位是提高分割算法效率的重要手段，因此本文針對于顯著性目標檢測和分割也展開研究，并提出了三種顯著性目標檢測與分割的框架。首先，為了在統(tǒng)一的圖結(jié)構(gòu)框架下解決目標檢測與分割問題，本文提出了基于多層圖結(jié)構(gòu)與非參數(shù)學(xué)習(xí)模型的檢測和分割模型，通過構(gòu)建多層圖結(jié)構(gòu)對圖像中高階上下文信息進行建模和在檢測能量函數(shù)中加入高階標號一致性約束能量函數(shù)項，所提出的方法在如復(fù)雜背景、低對比度或紋理圖像等條件下能取得較現(xiàn)

6、有算法更高的檢測和分割的精度。此外在自適應(yīng)分割算法的基礎(chǔ)上提出了三種區(qū)域顯著性計算指標，并與貝葉斯框架相結(jié)合進行顯著性目標檢測，所提出的算法能夠更有效和快速地突出顯著性目標或抑制雜亂的背景。在目標檢測地基礎(chǔ)上提出基于合作分類自動種子點生成和隨機場模型的目標分割算法，該算法中自動種子點生成提高了顯著性提取初始目標的精度，同時基于多特征融合的隨機場分割模型提高了目標分割的精度。最后為了在多目標分割算法中進行多目標區(qū)域定位，本文還提出一種基于

7、先驗信息擴散的顯著性檢測模型。
　　顯著性信息不僅可用于單目標定位，研究過程中也發(fā)現(xiàn)顯著性圖中蘊含著豐富的多尺度、多層次圖像結(jié)構(gòu)信息。從利用顯著性圖中層次結(jié)構(gòu)信息進行目標分割的角度出發(fā)，本文提出基于圖擴散的生成式多標號圖像分割模型，與傳統(tǒng)的算法中顯著性模型多用于單目標檢測與分割的思路不同，算法將顯著性模型的功能從單目標區(qū)域定位擴展到多目標區(qū)域定位，并用于多目標分割。此外提出了基于多層圖結(jié)構(gòu)和顯著性區(qū)域聚合分簇的分割算法，通過構(gòu)建二