【技术实现步骤摘要】
本专利技术涉及一种融合感知信息的协同分割模型，适用于图片的目标协同分割、体育运动画面中的物体分割与图像识别等领域。
技术介绍
在计算机视觉领域，图像分割作为图像处理的基本操作过程，是计算机视觉研究领域的基本研究主题，它的解决能够对其他诸如目标分类、识别、跟踪等众多图像处理问题起到很好的推动作用。在实际应用中，医疗诊断、安防监控、人机交互、工业自动化乃至军事制导等领域都与图像分割有着紧密的联系。随着图像信息的增多，人们可以非常容易获取包含有相同物体或者同一类别物体的大量图片，而如何从这类图片中分割出共同物体或同类别相似物体是我们的主要研究内容。协同分割作为新兴的热门研究方向，主要利用包含相同物体或者相同类别物体的多张图片来完成对共同物体的分割。目前已存在较多的关于协同分割的研究工作，然而，纵观有关协同分割领域的研究和应用可知，目前的协同分割领域研究依旧存在诸多技术难题如下：1)现有的分步式方法不能形成一个统一的框架进行求解，主要在初始化阶段利用多张图像包含相同物体或者相同类别物体这一先验信息，而在后续的算法中没有充分发挥先验信息的作用；2)目前的主流算法往往对目标的初始化较为敏感，如果初始化的准确率较低则相应的分割效果较差；3)对一些显著性、空间位置信息等特征的利用尚不够充分。以上的技术难题为协同分割技术在多媒体领域的广泛应用带来了诸多困扰，开发出一套适用于更多场景的协同分割模型具有较高的应...
【技术保护点】
一种融合感知信息的协同分割方法，其特征在于，包含以下步骤：(1)图像预分割：对于包含共同目标物体的图像数据集I＝{I1,…,IN}中的每一幅图像Ii，i＝1,2……,N，进行过分割处理，得到超像素集(2)融合感知信息的协同分割能量模型构造：一般地，可将基于组合优化框架的能量模型表示为如下，式中：(·)((·))为前景(背景)似然项，用于估计某特定区域属于前景(背景)的可能性；区域可为任意超像素或超像素组合；当且仅当区域属于前景(区域属于背景)；第一项约束表示对于任意一个超像素其仅能够属于前景或背景中的一类，明确了分割的物理意义。(3)协同分割能量模型的优化求解：利用前景似然项和背景似然项采用组合优化的算法对超像素进行前背景的再次分类，从而得到目标物体的最终分割；提出基于感知的结构化森林框架，即假设每个超像素对应于一个顶点，对于单目标分割，最后的分割结果由多个邻接的超像素构成，且能够表示为邻接图的子树；对于多目标分割，最后的分割结果可表示为邻接图的多个子树构成的森林。通过建立邻接图根据基于感知的定向搜索方法，生成子树集合并推断最优子树与最优森林的方法确定最后的分割结果。
【技术特征摘要】
1.一种融合感知信息的协同分割方法，其特征在于，包含以下步骤：
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。