基于代表性塊的聯(lián)合對象提取.pdf

1、近幾年，對象提取成為計算機視覺領域一個重要的研究方向，為準確估計出圖像中的對象或部分，對象檢測、對象識別等各種操作方法層出不窮。如今多數(shù)方法一般是在單幅圖像中針對一個或多個不同的對象進行操作，而當給定一批主題相關的圖像時，通常的對象提取方法很難實現(xiàn)多圖像中相同對象的估計。因此，聯(lián)合對象的提取技術便應運而生，但目前關于這方面的研究很少。
　　本文提出了一種基于代表性塊的聯(lián)合對象提取方法，其目的是判別出兩幅相關圖像中相同的對象部分。所

2、謂對象是指圖像中的顯著區(qū)域，即人視覺感知的主要部分。對象的顯著性特征可從顏色、紋理、形狀、空間關系、統(tǒng)計特征等五個方面進行描述，而根據(jù)單一特征所提取的圖像效果在時間復雜度和空間分辨率等方面存在明顯的局限性和差異性，所以僅利用一種圖像特征難以滿足實際需求。為了得到一個清晰、準確的對象提取效果圖，可將不同圖像特征的各自優(yōu)勢和互補性加以綜合利用。
　　本文的主要研究過程是針對給定的兩幅圖像，首先使用樸素貝葉斯法訓練生成一個貝葉斯分類器，

3、同時利用多尺度顯著性、顏色對比、邊緣密度、超像素跨界等多種顯著特征提取出若干包含對象的窗口；然后通過線性SVM及相關聚類方法訓練代表性塊，具體是利用一個迭代程序在聚類和判別式訓練分類器之間進行交替直至收斂，經(jīng)多次迭代后會得到一系列塊集群；再對目標進行空間上的定位，借助圖像匹配算法計算每對代表性塊的相似度，篩選出若干個權值較高的代表性塊；最后根據(jù)塊和對象窗口的空間位置關系，將與每個對象窗口相交或包含在窗口內(nèi)的代表性塊進行權值疊加，對多次剔