CG圖像和相機(jī)圖像的檢測與分類標(biāo)注.pdf

1、數(shù)字圖像的檢測分類和內(nèi)容識別標(biāo)注是在確定圖像類別的基礎(chǔ)上，對圖像的內(nèi)容進(jìn)行識別注釋。數(shù)字圖像有多種類型，如相機(jī)圖像、CG圖像、手繪圖像等。隨著數(shù)碼相機(jī)的普及、圖像軟件的更新、渲染引擎的優(yōu)化，圖像的種類來源越來越復(fù)雜，圖像的內(nèi)容也越來越豐富。因此對數(shù)字圖像進(jìn)行檢測分類和內(nèi)容識別非常有必要。傳統(tǒng)的檢測分類和內(nèi)容識別方法大都是對圖像進(jìn)行分割后針對每個分割塊進(jìn)行檢測和識別。這樣引入了圖像分割這個額外操作，同時圖像分割有可能把同一物體分為兩部分，

2、影響檢測和內(nèi)容標(biāo)注結(jié)果。
　　 本文采用了對圖像進(jìn)行多次循環(huán)處理進(jìn)行檢測分類和內(nèi)容標(biāo)注。首先針對CG圖像和相機(jī)圖像的分類，提出了提取邊緣過渡梯度、高飽和度顏色分布、圖像暗部噪聲分布、顏色過濾數(shù)組插值特性四個特征作為分類特征；通過對訓(xùn)練圖像集提取這四個特征值組成特征向量集，并使用支持向量機(jī)進(jìn)行訓(xùn)練，得到分類器；在檢測圖像階段，獲取待預(yù)測圖像的四個分類特征，并使用支持向量機(jī)進(jìn)行分類預(yù)測。然后對人物圖像進(jìn)行識別，使用基于Haar特征的

3、人眼檢測來給出人物圖像的判斷，包括Haar特征檢測、邊緣檢測、“U”型線生長和優(yōu)化、擬合并給出位置。最后通過讀取配置文件，循環(huán)讀取之前的檢測結(jié)果，實(shí)現(xiàn)對圖像的標(biāo)注，并通過web服務(wù)器發(fā)布數(shù)字圖像的檢測分類和內(nèi)容識別的web應(yīng)用。
　　 本文實(shí)現(xiàn)圖像的檢測分類和內(nèi)容標(biāo)注沒有使用圖像分割操作，因此算法效率相對較高；使用類似決策二叉樹的程序流程，可以方便程序的控制和進(jìn)一步的擴(kuò)展；在CG圖像和相機(jī)圖像的分類過程中使用了基于圖像成像過程、