结合多种特征和条件随机场的显著性区域分割

《结合多种特征和条件随机场的显著性区域分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＠峋撕私摩硕士学位论文结合多种特征和条件随机场的显著性区域分割学科专业软件工程学位类型工学硕士学位研究生姓名李金龙导师姓名、职称李乔良教授论文编号Ｓ１８０３７７０湖南师范大学学位评定委员会办公室二〇一八年六月分类号密级学校代码１０５４２学号２０１５２０１００８８２结合多种特征和条件随机场的显著性区域分割ＳａｌｉｅｎｃＲｅｉｏｎＳｅｍｅｎｔａｔｉｏｎＢａｓｅｄＯｎｙｇｇ－ＦｅａｔｕｒｅＦｕｓｉｏｎＭｕｌｔｉＡｎｄＣｏｎｄｉｔｉｏｎａｌＲａｎｄｏｍＦ

2、ｉｌｅｄ研究生姓名李金龙指导教师姓名，职称李养良教授学科专业软件工程研究方向信息与网络安全湖南师范大学学位评定委员会办公室二〇—八年六月摘要在计算机视觉领域，图像分割不仅是图像分析的基础部分，而且在目标检测、图像理解、机器视觉、自动驾驶、医疗图像分析等领域有着广泛的应用。，近几年吸引了越来越多的研宄者图像分割是将图像分成有一定意义的像素块，简化图像的表示，。直接影响后续的高级视觉处理任务传统的分割算法中，ＧｒａｂＣｕｔ分，但用户需要绘制出分割的大致区域割结果精确，并指明前后背景的种子点，而在

3、实际应用中，某些场合需要全自动的图像分割，比如图像分割在自动驾驶中的应用。本文解决的就是如何在保证分割精度的情况下，实现全自动的图像分割，算法主要包含预处理、特征提取和特征融合三个主要的步骤：，并对其做了相应的改进，具体如下１．图像预处理。通常算法会将整幅图像作为其输入，而根据观察，在图像的边界部分通常为背景区域，将这些区域剔除不仅不影响后续显著性的计算。，同时也会降低后续算法的复杂度针对这个问题，本文结合超像素ＳＬＩＣ分块算法和图像的边缘，将边缘不明显的超像素块作为背景区域并丢弃，从而降低了算法的复杂度。２．特征提取。

4、通常算法使用颜色对比度、空间距离等低级特征，虽计算高效，但不能很好的模拟视觉系统分析图像的过程，结果相对。为提髙算法的表现较差，本文在此基础上，引入了常用于计算图像纹理的局部二值模式（ＬｏｃａｌＢｉｎａｒｙＰａｔｅｒｎｓＬＢＰ基于直方图加速的）；区域对比度（ＲｅｇｉｏｎＣｏｎｔｒａｓｔＲＣ）算法来增强区域之间的联系；以及暗通道（ＤａｒｋＣｈａｎｎｄ），它多用于图像去雾，但通过实验发现，它能很好的反映颜色鲜明物体的整体性，从而保证显著性区域的完整性，通过引入这些中级特征提高了算法最终的分割精度。３．特征融合。将根据不同

5、特征提取的显著性图以线性方式进行融合，发现设置的权重不同，最终结果也不同，针对该问题本文引入了条件随机场（ＣｏｎｄｉｔｉｏｎａｌＲａｎｄｏｍＦｉｅｌｄＣＲＦ）框架，来融合不同的显著性图。传统的ＣＲＦ通过计算每个像素与８邻域内像素点的权重，构Ｉ建网格形状的Ｇｒａｐｈ，不仅不易存储，且计算量较大；而本文提出的超像素级别的ＣＲＦ简化了算法，提高了最终的表现。最后本文将所提出的图像分割算法在ＭＳＲＡ－１０００图像库上进行了实验，并将实验结果不仅和ＦＴ、ＲＣ等经典算法做了对比，而且和近些年出现且表现好的ＤＳＲ、ＨＳ、ＭＣ、ＭＮＰ

6、、ＳＥＧ、ＧＲ、ＧＭＲ方法进行了比较Ｆ－Ｍｅａｓｕｒｅ，从结果可以看出本算法在准确率、召回率和指标上都有更好的表现。ｔ关键字：显著性检测，条件随机场，ＧｒａｂＣｕ，超像素ＩＩＡＢＳＴＲＡＣＴＩｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｉｓｎｏｔｏｎｌｙｔｈｅｂａｓｉｃｐａｒｔｏｆｉｍａｅａｎａｌｓｉｓｂｕｔａｌｓｏｈａｓａｗｉｄｅｒａｎｅｏｆａｐｐｌｉｃａｔｉｏｎｓｉｎｏｂｅｃｔｄｅｔｅｃｔｉｏｎｇｙ，ｇｊ，ｉｍａｇｅｕｎｄｅｒｓｔａｎｄｉｎｇａｃｈｉ

7、ｎｅｖｉｓｉｏｎａｕｔｏｍａｔｉｃｄｒｉｖｉｎｍｅｄｉｃａｌｉｍａｅ，ｍ，ｇ，ｇａｎａｌｓｉｓａｎｄｏｔｈｅｒｆｉｅｌｄｓａｎｄｈａｓｒｅｃｅｉｖｅｄｉｎｃｒｅａｓｉｎｉｎｔｅｒｅｓｔｉｎｒｅｃｅｎｔｙ，ｇｙｅａｒｓ．Ｔｈｅａｉｍｏｆｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｉｓｔｏｄｉｖｉｄｅｔｈｅｉｍａｇｅｉｎｔｏｍｅａｎｉｎｇｆｕｌｐｉｘｅｌｂｌｏｃｋｓ，ｗｈｉｃｈｓｉｍｐｌｉｆｉｅｓｔｈｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｔｈｅｉｍａｇｅａｎｄｄｉｒｅｃｔｌｙ－ａｆ

8、ｆｅｃｔｔｈｅｓｕｂｓｅｕｅｎｔｈｉｈｔ．Ｉｔｃａｌ