[發明專利]標注圖像中區域與標注對應關系的確定方法

有效

• 申請號: 201210184510.X
• 申請日: 2012-06-06
• 公開（公告）號: CN102737244A
• 公開（公告）日: 2012-10-17
• 發明（設計）人: 劉詠梅
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及的是一種圖像處理方法。具體地說是一種能夠最終達到對非標注圖像的分割區域進行自動標注識別的方法。

背景技術

在目前的圖像分析與理解中，常常按照場景級和物體級兩個級別對圖像進行識別，即場景分類和目標的檢測與識別。場景識別通常需要事先對圖像數據庫進行手工編目，然后采用監督學習的方式進行圖像的場景語義分類。但這些方法基本上采用的是監督學習方式，即需要事先定義并組織好圖像的語義類別，這種采用人工編目的方法只能局限于數量有限的圖像類別。隨著圖像數量與種類的增加，這必然會導致編目難度激增，限制了方法的實用性。另一方面，目標的檢測、識別與場景識別之間又有著密切的相關性，在缺乏相應的場景背景信息的情況下，要正確地識別出某個單獨的圖像區域，即便對人類觀察者來說有時也是困難的。而在確定的語義場景下，圖像區域的識別檢測工作則要容易得多。

隨著高質量標注圖像的增多，為圖像的語義內容分析提供了大量可靠的學習樣本。如果能夠通過對標注圖像的學習，實現對非標注圖像分割區域的自動標注，那么就可以用關鍵字來標識分割的區域。通過這樣的方式對圖像中的物體進行識別檢測，不僅能夠指出圖像中包含哪些物體，還能指出它們的具體所處位置，為圖像中的目標檢測與識別提供新的實現途徑。

如果在學習用的標注圖像中，給出了標注字與圖像區域的對應關系，圖像區域的標注學習則相對容易得多。但一般的標注圖像中并沒有指出標注字所對應的圖像區域，導致學習樣本中缺少這部分相應信息。本發明的主要目的就通過對標注圖像的學習，學習到這種缺失的對應關系，并利用這種關系對圖像區域進行識別檢測。

發明內容

本發明的目的在于提供一種通過對標注圖像的學習，得到標注字所對應的圖像區域的對應關系，并能利用這種關系對圖像區域進行識別檢測的標注圖像中區域與標注對應關系的確定方法。

本發明的目的是這樣實現的：

步驟1，特征提取：對學習用的標注圖像，采用模糊K-均值方法進行圖像過分割，獲得區域視覺描述，并利用信度傳播方法，使標注字在視覺近鄰間傳播，將視覺描述轉換標注字權值；

步驟2，提取場景語義類別：獲得所需的圖像特征后，利用概率潛在語義分析模型對學習用的標注圖像進行自動場景語義分類，即合理地運用圖像的視覺和標注字之間高、低級語義信息的互補性，有效地自動構建出圖像語義類別；

步驟3，生成視覺概念：在確定了圖像的場景語義類別后，按高斯混合模型對場景內的視覺分布進行建模，模型個數由場景內標注字個數指導確定，每個視覺高斯分布模型對應一個視覺概念；

步驟4，構建不同場景間的視覺概念近鄰圖：近鄰圖中的每個節點對應一個視覺概念，視覺概念分布的相似性采用彼此的KL距離；

步驟5，場景間視覺概念的標注傳播：利用數據字典在不同場景間尋找相同或同義的標注字，令其在視覺相似的區域間傳播；

步驟6，場景下的貝葉斯網絡構造：構造場景內視覺概念的貝葉斯網絡結構，通過場景內概念間的貝葉斯推理，獲得確切的標注信息；

步驟7，視覺語義網絡的建立：將視覺近鄰圖中具有連接關系、并最終具有一致標注的視覺概念合并成一個節點，形成一個視覺語義網絡圖；

步驟8，對非標注圖像的區域標注：對非標注圖像進行語義內容分析時，待分析圖像每個區域的視覺描述激活多個語義概念，采用信度傳播方法讓可能的標注在激活的語義網絡中傳播，收斂后獲得分割區域的標注結果；

圖像間的相似性度量采用推土機距離方法。

本發明提出了一種新的對圖像的分割區域進行標注識別的方法。該方法將圖像按場景級與物體級的語義內容分別處理。首先，將視覺描述轉換為標注字的權值，代表與視覺的相關程度，利用Topic模型提取場景類別，并將場景內圖像的區域聚類為視覺概念。然后在不同場景中，采用信度傳播方法降低視覺概念的標注不確定性，即在不同場景間尋找相同或同義的標注字，令其在視覺相似的區域間傳播。最后，構建每個場景下的貝葉斯網絡，獲得視覺概念的標注結果。通過對圖像分割區域的標識結果進行融合，最終可以獲得圖像物體語義級的分割與識別結果。