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={I<sub>1</sub>,…,I<sub>N</sub>}中的每一幅图像I<sub>i</sub>,i=1,2……,N,进行过分割处理,得到超像素集<img file="FDA0000934876000000011.GIF" wi="74" he="62" />(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,<img file="FDA0000934876000000012.GIF" wi="1258" he="431" />式中:<img file="FDA0000934876000000013.GIF" wi="94" he="63" />(·)(<img file="FDA0000934876000000014.GIF" wi="99" he="63" />(·))为前景(背景)似然项,用于估计某特定区域<img file="FDA0000934876000000015.GIF" wi="170" he="55" />属于前景(背景)的可能性;区域<img file="FDA0000934876000000016.GIF" wi="211" he="54" />可为任意超像素或超像素组合;<img file="FDA0000934876000000017.GIF" wi="630" he="70" />当且仅当区域<img file="FDA00009348760000000115.GIF" wi="49" he="50" />属于前景(区域<img file="FDA0000934876000000018.GIF" wi="70" he="61" />属于背景);第一项约束表示对于任意一个超像素<img file="FDA0000934876000000019.GIF" wi="170" he="62" />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<img file="FDA00009348760000000110.GIF" wi="91" he="62" />和背景似然项<img file="FDA00009348760000000111.GIF" wi="115" he="62" />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<img file="FDA00009348760000000112.GIF" wi="54" he="62" />的子树;对于多目标分割,最后的分割结果可表示为邻接图<img file="FDA00009348760000000113.GIF" wi="51" he="62" />的多个子树构成的森林。通过建立邻接图<img file="FDA00009348760000000114.GIF" wi="377" he="68" />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。 |