《圖像塊結構提取與分析及其在圖像分類中的套用》是依託北京林業大學，由王小春擔任項目負責人的面上項目。
基本介紹
- 中文名：圖像塊結構提取與分析及其在圖像分類中的套用
- 依託單位：北京林業大學
- 項目負責人：王小春
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
海量圖像數據的快速產生推動著圖像智慧型理解技術的發展，而圖像塊(Patch)結構提取與分析是圖像智慧型理解的基礎。以約束全變差理論、拉普拉斯金字塔技術、多解析度技術、W正交函式系分解和深度計算成果為基礎，本項目主要研究：(1)圖像塊結構信息的提取與分析；(2)塊結構細節信息的統計分析；(3)依據塊結構和細節統計信息形成的局部與全局信息，構造詞包模型和級聯Bayes網路的卷積神經網路模型，基於有監督的學習實現圖像的自動標註和森林煙火場景的識別。創新點體現在：基於 W正交函式系的梯度圖像稀疏表示；融合深度信息和邊緣線細節信息的圖像塊結構提取；基於塊結構的大尺度圖像細節統計信息計算；詞包模型、深度學習級聯Bayes網路的圖像按塊標註。項目研究主要特色在於：局部信息與全局信息相統一；顏色紋理信息和幾何結構信息相統一；基本理論研究與林業行業套用相結合，實現把信息理論新技術套用於林業管理。
結題摘要
隨著手機拍照和攝像頭的廣泛使用，圖像數據呈爆炸式增長。為了推進對圖像數據的快速且智慧型的理解，本項目在圖像融合、圖像增強和圖像去霧等研究的基礎上，開展了圖像塊(Patch)結構提取與分析方面的理論研究，並把理論研究成果套用於圖像分類套用中。項目研究取得的創新成果包括：提出了以保邊和提高計算效率為目標的多個雙向濾波器，並以此為基礎提出了圖像塊結構提取的有效方法；提出了在圖像細節統計分析的基礎上，把W正交函式系與經驗模態分解、非子採樣方向濾波器、暗原色先驗等多種方法融合的圖像融合、圖像增強和去霧算法；構建了非負矩陣分解的最佳化問題和求解方法，提出了基於深度學習、矩陣非負分解為基礎的圖像數據和點雲數據的分析和分類方法。上述研究成果，對於圖像理解分析、圖像數據管理和基於監控的視頻分析都能夠提供有效的技術支持。
