特定对象的发现与分割方法研究

摘要

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。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 图像分割研究现状

1.3 本文的主要工作

1.4 本文结构安排

第二章 局部特征描述分析及关联特征提取

2.1 局部特征概述

2.2 局部特征匹配

2.3 局部特征匹配实验与分析

2.4 局部关联特征的提取

2.5 本章小结

第三章 基于颜色和形状特征的区域描述及匹配

3.1 图像过分割

3.2 区域的边缘概率描述

3.3 基于相对颜色的区域描述子

3.4 基于边缘方向的区域描述子

3.5 基于形状特征的区域描述子

3.6 本章小结

第四章 基于局部特征和区域特征的特定对象分割

4.1 系统结构

4.2 分模块

4.3 实验结果与分析

4.4 本章小结

第五章 软件实现

5.1 软件概述

5.2 功能介绍

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

攻硕期间取得的研究成果