基于局部仿射变换联合显著树的协同超像素分割

摘要

协同分割技术是近年来的研究热点，它是指同时对两幅或多幅具有相同或相似前景的物体进行前景与背景分割的技术。该技术能结合各幅图像的信息，实现无监督分割，解决单幅图像分割的现有难点：完全无监督的图像分割技术依赖于图像的局部特征而缺少图像内或图像间的邻域信息，使得图像分割的效果不佳；监督或半监督的图像分割算法虽然能取得较好的结果，但是通常依赖于大量的人为标注训练数据，且图像分割的速度通常很慢。
　　协同分割技术可以将含有相同目标物体的图像信息结合在一起，各个图像为彼此之间弥补了因缺少监督而引起的信息不足，使得图像分割在无监督的情况下完成，并且速度不慢。但是现有的超像素分割算法仅仅针对图像前景与背景的分离而未考虑前景图像的内部信息，因此有研究人员提出协同超像素分割技术，该技术着力于分割出图像的超像素，并寻找到各幅图像超像素之间的对应性。由于超像素是图像中一组具有相似特征的像素集合构成的单一像素块，能有效减少图像中的冗余信息，同时保留住语义信息，因此，协同超像素分割所得的结果通常能得到图像中的结构区域或者结构区域的各个子区域。
　　目前针对协同超像素分割的研究还较少且分割结果的对应性差强人意，本文提出一个新颖的基于局部仿射变换联合显著树的协同超像素分割算法，针对图像对进行分割，可以得到对应性更好的超像素对。该算法的创新点有两点，首先，构建图像超像素的树结构，实现图像区域之间的层级约束，并基于显著结构的区域对应性提出联合显著树的概念，以联合显著树为骨架，实现超像素对应性的全局搜索。其次，引入超像素多仿射变换，实现图像各层超像素的形变，促进联合显著树的更新，实现骨架的增长并更新搜索骨架。最后，我们将该算法与基于谱图匹配的算法和Joulin的协同分割算法进行对比，并基于匹配率和匹配距离进行定量分析，分析结果显示，我们的算法优于另外两种算法。

目录

封面

声明

上海交通大学硕士学位论文答辩决议书

中文摘要

英文摘要

目录

第一章 绪论

1.1 协同超像素分割的概念与意义

1.2 相关工作的发展与现状

1.3 课题产生的背景

1.4 本文的主要内容

1.5 本文的主要结构

第二章 多仿射变换树的生成

2.1 图像区域仿射变参数计算

2.2 李群和李代数

2.3 对数空间的Demons算法(Log-Demons)

2.4 基于Log-Demons的多仿射变换树

2.5 本章小结

第三章 基于联合显著树的协同超像素分割

3.1 SLIC算法

3.2 基于改进的SLIC算法的分割树

3.3联合显著树

3.4实验结果

3.5本章小结

第四章 总结和展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文