论文部分内容阅读
经过五十多年的发展,数字图像处理技术广泛应用于计算机视觉相关领域,而图像分割是计算机视觉研究领域中的底层和基础工作,是更高层次图像分析与理解的前提,在计算机视觉中占有独特而又重要的地位,为了提高人工智能的识别能力,图像处理技术必须完整地分割出对象,这就是对象分割技术。对象分割是图像分割与对象探测相结合的产物,相对于传统的图像分割方法,对象分割既需要知道特定对象在图像中的大致位置,完整地将其分割出来,因此要比传统的图像分割复杂得多。早期对象分割需要人工标记的训练图像,阻碍了计算机识别新对象的能力,后来,随着潜在主题模型的发展,一些优秀的分类算法相继提出,这时需要大量的训练图像,影响了计算机识别的效率。因此,高效而又准确的对象分割技术是图像分割的发展趋势。针对特定对象分割的难点,本文融合局部特征与区域特征,仅仅需要少数图像来学习,提取出能够准确表达图像局部信息的描述子,然后利用局部和区域的特征描述的匹配实现特定对象的定位与分割。在此基础上,提取出特定对象的通用特征和形状模型,实现测试样本的特定对象的探测与分割,本文所完成的主要工作是:(1)利用局部特征来探测对象位置。并且针对现有局部特征匹配的不足与缺陷,构建了本文中的特征关联的局部特征。通过几组匹配实验,可以很好的看到,所构建的局部特征匹配准确度有了提高,为精确探测对象位置提供保障。(2)利用图像的过分割技术,获得要分割的区域。本文构建了相对颜色区域描述子和区域轮廓形状描述子,并结合现有的边缘概率模型对区域进行描述,提高了区域匹配的精度,可以很好的分割出对象。(3)本文结合局部特征和区域特征的匹配,可以快速的找到特定对象的位置和所在区域,然后成功的分割出特定对象。