图像对象的组合式分割方法研究

论文摘要

图像分割是图像分析与计算机视觉的关键环节,同时还是基于对象的图像与视频编码的支撑技术,它有着广泛的应用需求。但绝大多数现有方法只考虑了底层特征,因此只能将图像划分成一些底层特征一致的零散区域,而无法得到完整的、有意义的对象。这大大降低了分割技术的可用性,使其成为制约相关领域发展的技术瓶颈。要消除这种瓶颈作用,就必须研究旨在从图像中提取出语义对象的图像对象分割方法。视觉机理的研究表明,对象分割离不开关于对象特征的先验知识的指导。但单纯利用高层对象特征的自顶向下分割方法又面临着分割精度不高的困局。为此,论文借鉴系统工程的思想,走自底向上与自顶向下相结合的组合式分割之路:既研究自底向上的区域分割;又研究自顶向下的对象分割;在此基础上,将二者结合起来,使它们取长补短,从而取得更高的对象分割精度。考虑到技术可行性,本文将研究范围限定为特定类图像对象的分割。归纳起来,论文主要进行了如下四个方面的工作:1.图像对象分割的基本概念与现有相关方法的研究。从图象分割的定义入手,通过研究分割概念的分级框架,引入了图像对象分割的基本概念。然后对相关分割方法进行了较为全面的分类综述,特别是纳入了现有综述文献普遍没有涉及的、利用高层特征的对象检测与分割方法。2.自底向上分割方法的研究。尽管无法抽取出完整对象,但自底向上分割方法能够较为准确地检测图像中的区域边界,这将有助于最终准确定位对象边界。论文主要研究彩色图像的自底向上分割方法,包括两部分工作:（1）借助色彩量化过程来降低待分割彩色图像的数据复杂度。利用LBG算法实现色彩量化,鉴于LBG的聚类结果很大程度上依赖于初始解的选取,设计了合并方案与Popularity方案这两种具有互补性的初始调色板构造方案,从而得到更好的量化效果并减少了迭代次数。此外,为了提升色彩量化的计算速度,提出一种快速调色板搜索方法:等范数等加和调色板搜索算法。（2）自底向上的色彩-纹理分割。首先引入色彩分布均匀度指标,给出其形式化定义,并讨论了如何应用该指标来描述与分析彩色纹理特征。进而提出一种基于色彩均匀度的自底向上分割方法:ISBEC（Image Segmentation Based on distribution Evenness of Colors）。该方法以色彩量化得到的色彩索引图像为输入,同时进行基于区域生长技术的色彩分割与多尺度纹理分析,然后合并二者的结果从而实现区域分割。与相关方法的实验结果对比展示了ISBEC良好的分割效果。而且,将色彩量化替换为灰度量化以后,ISBEC方法对灰度图像的分割同样有效。3.自顶向下分割方法的研究。鉴于形状特征具有良好的对象类别区分能力,而且能够很大程度地容忍不同对象实例的外观差异以及成像条件的变化,提出一种基于感兴趣对象类形状子元的自顶向下分割方法SBIOSEG（Shape-element Based Image Object SEGmentation）。该方法将对象分割形式化为一个图像像素的二分类问题。在学习阶段,SBIOSEG利用AdaBoost算法来构建感兴趣对象类的形状子元码本并训练分类器;在测试阶段,按照由粗到精的方式,先实现对象检测,再实现对象分割。实验表明,SBIOSEG能够较为准确的分割出感兴趣类别的对象;并且,相对于其它自顶向下分割方法,其分割精度有明显的提高。4.自底向上与自顶向下分割相结合的组合式图像对象分割方法研究。首先分析自底向上与自顶向下分割各自的优势与不足,并提出两种组合方式将二者结合起来。在此基础上,提出了两种方式兼用的组合式对象分割方法B&T-IOSEG（Bottom-up and Top-down combined Image Object SEGmentation）。实验显示,相对于单纯的自顶向下分割,B&T-IOSEG能够显著提升对象分割的精度。论文最后介绍了特定类图像对象分割原型系统的设计与实现,并讨论了该系统在三维对象建模中的应用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 图像分割的理论意义
• 1.1.2 图像分割的应用价值
• 1.1.3 现有分割方法存在的问题
• 1.2 本文研究的主要问题——特定类图像对象分割
• 1.2.1 问题的提出
• 1.2.2 求解的基本思路
• 1.3 本文的研究内容
• 1.4 论文结构安排
• 第二章 图像对象分割的基本概念与研究现状
• 2.1 预备知识
• 2.1.1 图像分割的定义
• 2.1.2 分割依据的特征
• 2.2 图像对象分割的基本概念
• 2.2.1 图像分割的分级框架
• 2.2.2 图像对象分割的概念
• 2.3 图像分割方法的国内外研究现状
• 2.3.1 概述
• 2.3.2 数据驱动的分割方法
• 2.3.3 知识驱动的分割方法
• 2.3.4 结论与讨论
• 2.4 本章小结
• 第三章 自底向上分割过程中色彩量化方法的优化研究
• 3.1 引言
• 3.2 色彩量化的研究基础
• 3.2.1 色彩量化的数学模型
• 3.2.2 现有的色彩量化方法
• 3.3 基于LBG 算法的色彩量化方法
• 3.3.1 利用LBG 算法实现色彩量化的基本思路
• 3.3.2 初始调色板的选取
• 3.3.3 利用启发式调色板搜索的算法优化
• 3.4 实验与结果分析
• 3.4.1 初始调色板选取方案的有效性验证
• 3.4.2 与其它主要色彩量化方法的性能对比
• 3.4.3 ENESPS 提高量化过程计算效率的有效性验证
• 3.5 本章小结
• 第四章 融合色彩-纹理特征的自底向上分割方法ISBEC
• 4.1 引言
• 4.1.1 色彩-纹理分割的必要性
• 4.1.2 相关工作
• 4.2 色彩分布均匀度
• 4.2.1 色彩分布均匀度的定义
• 4.2.2 基于色彩均匀度的多尺度纹理分析
• 4.2.3 色彩均匀度对纹理分析的有效性验证
• 4.2.4 小结
• 4.3 基于色彩均匀度的色彩-纹理分割方法：ISBEC
• 4.3.1 算法流程
• 4.3.2 算法实现
• 4.4 实验与结果分析
• 4.4.1 ISBEC 方法对于自然图像色彩-纹理分割的有效性
• 4.4.2 与其它分割方法的性能对比
• 4.5 本章小结
• 第五章 基于形状子元的特定类图像对象分割方法SBIOSEG
• 5.1 引言
• 5.1.1 高层特征对于对象分割的必要性
• 5.1.2 相关工作分析
• 5.2 SBIOSEG 方法概述
• 5.2.1 基本思路
• 5.2.2 SBIOSEG 方法主要流程
• 5.3 Chamfer 形状匹配技术
• 5.3.1 Chamfer 匹配技术概述
• 5.3.2 距离变换
• 5.4 轮廓片断的产生与初步筛选
• 5.4.1 轮廓片断的产生
• 5.4.2 对轮廓片断的初步筛选
• 5.5 基于AdaBoost 算法的分类器训练
• 5.5.1 AdaBoost 算法概述
• 5.5.2 基于离散AdaBoost 算法的训练过程
• 5.5.3 形状子元码本的构建
• 5.6 基于形状子元的图像对象检测与分割
• 5.6.1 边缘提取与长度滤波
• 5.6.2 对象检测
• 5.6.3 对象分割
• 5.7 实验与结果分析
• 5.7.1 分割结果的量化评价指标
• 5.7.2 实验目的与实验设置
• 5.7.3 对Wizzman Horse数据集的测试结果
• 5.7.4 对DTU Cows 数据集的测试结果
• 5.8 本章小结
• 第六章 组合式的特定类图像对象分割方法B&T-IOSEG
• 6.1 引言
• 6.2 自底向上与自顶向下分割的两种组合方式
• 6.2.1 自底向上与自顶向下分割结果的合并
• 6.2.2 以自底向上分割方法作为边界检测器
• 6.3 组合式的特定类图像对象分割方法B& T-IOSEG
• 6.3.1 B&T-IOSEG 方法的工作流程
• 6.3.2 实验与结果分析
• 6.4 本章小结
• 第七章 特定类图像对象分割原型系统的设计与实现
• 7.1 原型系统的设计与实现
• 7.1.1 系统设计思路与总体结构
• 7.1.2 图像分割与处理验证子系统的设计与实现
• 7.1.3 图像对象检测与分割验证子系统的设计与实现
• 7.2 特定类图像对象分割系统在三维对象建模中的应用
• 7.3 本章小结
• 第八章 结束语
• 8.1 本文的主要贡献
• 8.2 进一步的研究方向
• 致谢
• 参考文献
• 作者在攻读博士学位期间发表的论文与参加的科研项目
• 附录A 英文缩略词表