基于條件隨機場的圖像語義分割方法研究.pdf

1、隨著智能手機等可拍照移動終端設備的普及和互聯(lián)網(wǎng)技術的快速發(fā)展，圖像的數(shù)量呈現(xiàn)飛速增長趨勢。如何實現(xiàn)對大量圖像信息進行有效的管理和分析便成為現(xiàn)今科技亟待解決的問題之一。人類的視覺系統(tǒng)能在圖像中迅速區(qū)分出前景和背景類別及其精細的輪廓。對于計算機等機器而言，人們也希望其能夠通過一系列學習過程，完成類似的任務，即圖像語義分割。作為計算機視覺研究的重要領域，語義分割對場景理解、目標識別、圖像或視頻編輯等眾多應用都具有十分重要的意義。
　　為

2、了解決條件隨機場等模型由于表達能力有限，導致不易處理目標交叉、遮擋或者復雜形變等問題，近年來人們把高層類別先驗知識引入到語義分割模型中，其中一種方法把字典學習融入到條件隨機場模型中。但是，現(xiàn)有方法在學習字典時只考慮了判別能力，而忽視了原始樣本數(shù)據(jù)的局部特性。因此，本文提出了一種語義分割方法，來探索數(shù)據(jù)局部特性對于分割效果的作用。該方法建立于條件隨機場和局部一致性字典聯(lián)合學習模型之上。具體而言，本文提出了兩種不同的局部一致性字典學習方案，

3、二者分別從特征空間和標記空間來衡量數(shù)據(jù)的一致性。另外，本文提出的方法中所使用的條件隨機場和字典學習在同一方法中實現(xiàn)了無縫整合，即系統(tǒng)的訓練過程可以同時完成條件隨機場的參數(shù)學習和局部一致性字典的學習。
　　在現(xiàn)實生活中，獲取高質(zhì)量的像素級別真值標記是一個既耗力又耗時的過程，這在一定程度上阻礙了強監(jiān)督語義的實用性。為了解決該問題，本文又提出一種弱監(jiān)督語義分割方法。弱監(jiān)督方法一般只需使用圖像級別的真值標記作為模型的監(jiān)督信息。本文提出的弱

4、監(jiān)督方法以條件隨機場模型為基礎，其靈感來源于生活中的拼圖游戲，故稱為拼圖零片學習方法。首先，本文使一幅圖像中相對零散的超像素自動合并為拼圖零片。其次，所有訓練圖像的拼圖零片由條件隨機場模型為其賦予合適的語義標記。這樣，一個拼圖零片的資源庫便構建完成。對于一幅測試圖像，本文通過比較其超像素與資源庫中拼圖零片，來為其分配使得勢函數(shù)達到最小的類別標記。訓練過程所構建的資源庫具有很好的通用性和靈活性，這增強了本文提出的弱監(jiān)督方法的實用意義。