一种基于贝叶斯推理的图像场景分层处理方法

摘要

本发明是一种基于贝叶斯推理的图像场景分层处理方法，包括：在图像场景语义标记结果基础上，定义语义、位置、轮廓、公共边界和交界点五种遮挡线索，并学这些遮挡线索的概率分布；然后构建贝叶斯推理框架，定义基于先验概率和似然概率的带权有向图；最后利用本发明提出的层次排序推理算法，结合后验概率最大化，在带权有向图上求解出图像场景的层次结构。本发明可用于图像或视频虚拟场景的遮挡处理，图像或视频虚拟场景生成等应用。

主权项

一种基于贝叶斯推理的图像场景分层处理方法，其特征在于该方法包括下述步骤：（1）在图像场景语义标记结果基础上，定义语义、位置、轮廓、公共边界和交界点五种遮挡线索，检测学习数据集图像的各种遮挡线索并学习每个遮挡线索的概率分布；（2）构建贝叶斯推理框架，定义基于先验概率和似然概率的带权有向图，该有向图能够表现图像对象之间的遮挡关系；（3）利用层次排序推理算法，结合后验概率最大化，在带权有向图上求解出图像场景的层次结构；步骤（1）所述的五种遮挡线索为对象语义线索、对象位置线索、对象轮廓线索、公共边界线索和交界点线索；这五种线索从众多类信息中选择而出，能够表示对象区域间的遮挡关系和层次关系，为后面的贝叶斯层次推理框架定义提供依据；步骤（1）所述的学习每个遮挡线索的概率分布，是指检测出学习数据集中图像的五种遮挡线索，根据已有的先验遮挡关系，统计五种线索表示遮挡关系的概率分布，这种已有的先验遮挡关系是人为标定的，以人的先验知识作为依据；步骤（2）所述的贝叶斯推理框架，是指由语义线索表示的遮挡概率作为先验概率，由其他四种线索表示的遮挡概率的联合概率作为似然概率，求解图像场景层次最优解的过程转换为求解最大后验概率解的过程；步骤（2）所述的定义基于先验概率和似然概率的带权有向图是为了快速求解图像层次表示的最优解；步骤（2）所述的带权有向图的构建步骤是：（2.1）将图像中的对象作为图结构中的节点，相邻对象对应的图节点之间存在有向边，表现对象之间的遮挡关系；（2.2）以对象轮廓线索表示的遮挡概率来度量图节点自身被遮挡的权重；（2.3）以其他四种线索表示的遮挡概率的加权和来度量有向图中的有向边，四种线索的 权重参数能够调节变化；步骤（3）所述的层次排序推理算法，改进了拓扑排序算法，考虑节点的入度和权重来决定对象的层次划分；按照入度和节点权重迭代选择当前图中最优的节点，将其加入层次序列中，再将其从图中删除，并将其累积的遮挡权重按照出度的边分流到指向的节点中，直到图为空，由此得到图像场景的层次结构；所述的图像场景的层次结构定义为对象与层次的关系对的集合，即某对象被划分到某层次上；它是图像的具有最大可能性的层次结构，即贝叶斯框架解空间中具有最大后验概率的解。