特定對象的發(fā)現(xiàn)與分割方法研究.pdf

1、經(jīng)過五十多年的發(fā)展，數(shù)字圖像處理技術廣泛應用于計算機視覺相關領域，而圖像分割是計算機視覺研究領域中的底層和基礎工作，是更高層次圖像分析與理解的前提，在計算機視覺中占有獨特而又重要的地位，為了提高人工智能的識別能力，圖像處理技術必須完整地分割出對象，這就是對象分割技術。
　　對象分割是圖像分割與對象探測相結合的產物，相對于傳統(tǒng)的圖像分割方法，對象分割既需要知道特定對象在圖像中的大致位置，完整地將其分割出來，因此要比傳統(tǒng)的圖像分割復雜

2、得多。早期對象分割需要人工標記的訓練圖像，阻礙了計算機識別新對象的能力，后來，隨著潛在主題模型的發(fā)展，一些優(yōu)秀的分類算法相繼提出，這時需要大量的訓練圖像，影響了計算機識別的效率。因此，高效而又準確的對象分割技術是圖像分割的發(fā)展趨勢。
　　針對特定對象分割的難點，本文融合局部特征與區(qū)域特征，僅僅需要少數(shù)圖像來學習，提取出能夠準確表達圖像局部信息的描述子，然后利用局部和區(qū)域的特征描述的匹配實現(xiàn)特定對象的定位與分割。在此基礎上，提取出特

3、定對象的通用特征和形狀模型，實現(xiàn)測試樣本的特定對象的探測與分割，本文所完成的主要工作是：
　　（1）利用局部特征來探測對象位置。并且針對現(xiàn)有局部特征匹配的不足與缺陷，構建了本文中的特征關聯(lián)的局部特征。通過幾組匹配實驗，可以很好的看到，所構建的局部特征匹配準確度有了提高，為精確探測對象位置提供保障。
　?。?）利用圖像的過分割技術，獲得要分割的區(qū)域。本文構建了相對顏色區(qū)域描述子和區(qū)域輪廓形狀描述子，并結合現(xiàn)有的邊緣概率模型對區(qū)