一种融合感知信息的协同分割方法

摘要

本发明公开了一种融合感知信息的协同分割方法，用于实现对一组包含有共同物体的图片数据集进行联合分割，且每幅图片可能包含有多个共同物体。本方法通过将基于区域的显著性、重复性、空间位置等感知信息作为全局约束项引入能量模型来定义前景似然，充分发挥感知信息的重要作用，同时将分割问题转化为组合优化问题求解，最后利用基于感知的物体结构化约束迭代求解。实验表明，与同类算法相比，本发明提出的融合感知信息的协同分割能量模型与求解方法能够适应各种复杂场景，有效实现物体分割。

主权项

一种融合感知信息的协同分割方法，其特征在于，包含以下步骤：(1)图像预分割：对于包含共同目标物体的图像数据集I＝{I₁,…,I_N}中的每一幅图像I_i，i＝1,2……,N，进行过分割处理，得到超像素集(2)融合感知信息的协同分割能量模型构造：一般地，可将基于组合优化框架的能量模型表示为如下，式中：(·)((·))为前景(背景)似然项，用于估计某特定区域属于前景(背景)的可能性；区域可为任意超像素或超像素组合；当且仅当区域属于前景(区域属于背景)；第一项约束表示对于任意一个超像素其仅能够属于前景或背景中的一类，明确了分割的物理意义。(3)协同分割能量模型的优化求解：利用前景似然项和背景似然项采用组合优化的算法对超像素进行前背景的再次分类，从而得到目标物体的最终分割；提出基于感知的结构化森林框架，即假设每个超像素对应于一个顶点，对于单目标分割，最后的分割结果由多个邻接的超像素构成，且能够表示为邻接图的子树；对于多目标分割，最后的分割结果可表示为邻接图的多个子树构成的森林。通过建立邻接图根据基于感知的定向搜索方法，生成子树集合并推断最优子树与最优森林的方法确定最后的分割结果。