一種新的層次化概率生成模型及場景分析方法.pdf

1、隨著多媒體信息技術(shù)的迅猛發(fā)展，圖像數(shù)據(jù)正以前所未有的速度在不斷增長。面對海量圖像數(shù)據(jù)，利用計算機(jī)對數(shù)據(jù)進(jìn)行有效管理已成為一項緊迫任務(wù)。場景分析是根據(jù)圖像場景的內(nèi)容信息對場景所屬類別進(jìn)行判定和對場景中的目標(biāo)對象進(jìn)行標(biāo)準(zhǔn)的分割識別，已經(jīng)成為圖像檢索、目標(biāo)識別、計算機(jī)視覺等研究的一個重要研究方向。傳統(tǒng)技術(shù)采用視覺詞包(Bag of Visual Words，BoV)對場景進(jìn)行語義建模，并結(jié)合有監(jiān)督的機(jī)器學(xué)習(xí)來對場景進(jìn)行學(xué)習(xí)，這種建模方式相對簡

2、單，但是沒有充分描述豐富的區(qū)域表面視覺特征，并且忽略了視覺詞語之間的空間信息。
　　本文將概率生成模型應(yīng)用于圖像場景分析上，重點研究場景的語義建模方式，區(qū)域特征的表達(dá)方式以及視覺詞語之間的空間信息，具體內(nèi)容及創(chuàng)新點如下:
　　1)本文根據(jù)人們對視覺場景的日常認(rèn)知習(xí)慣，把場景圖像劃分為三個層次，即場景類別層、對象層、特征層，從而形成一個包含三種層次信息的統(tǒng)一框架。然后根據(jù)三層之間的概率約束關(guān)系，構(gòu)建了一種新的層次化概率生成模型

3、。
　　2)在區(qū)域特征表示方式上，加入了超像素混合體(Super-PixelMixtures，SPM)表征，即通過進(jìn)一步把圖像區(qū)域(region)進(jìn)行二次分割成超像素，然后再提取出每個超像素的顏色與紋理特征。這樣，與從圖像區(qū)塊(patch)所提取的SIFT特征一起，得到了圖像區(qū)域的三種視覺特征詞語的聯(lián)合分布表示，增強(qiáng)了區(qū)域視覺特征表達(dá)的豐富性和穩(wěn)定性。
　　3)為了結(jié)合視覺詞語間的空間信息相關(guān)性，本文在模型的生成過程中，約定

4、同一區(qū)域內(nèi)的視覺詞語均由同一個對象生成，這種處理使得本文構(gòu)建的模型具有一定的空間相干性。
　　本文所設(shè)計的模型是一個完整的生成模型，在進(jìn)行場景的類別判定時，能夠完全擺脫對特定分類器的依賴，同時可實現(xiàn)像素級的對象識別與分割。通過對UIUC-Sport數(shù)據(jù)庫進(jìn)行實驗測試，并與Li-HPGM、Spatial-LTM等傳統(tǒng)方法的結(jié)果進(jìn)行比較研究表明，本文所提出的結(jié)合超像素區(qū)域視覺特性的層次化生成模型，比以往方法擁有更高的場景分類準(zhǔn)確率和對