《基於圖像曲面流形分析及圖割最佳化的協同圖像分割》是依託華中科技大學，由陶文兵擔任項目負責人的面上項目。
基本介紹
- 中文名：基於圖像曲面流形分析及圖割最佳化的協同圖像分割
- 項目類別：面上項目
- 項目負責人：陶文兵
- 依託單位：華中科技大學
中文摘要,結題摘要,
中文摘要
本項目研究基於圖像曲面流形分析及圖割最佳化的協同圖像分割。考慮目標幾何流形結構，將協同圖像分割問題轉化為圖像空間曲面流形最佳化問題，並探索適用於大規模協同最佳化的圖割最佳化算法，利用圖像集合信息協同完成所有圖像的自動多類分割。通過對分割所要求的光滑性、平坦性及相似性等約束的綜合分析，考慮圖像幾何結構，融入目標流形信息，構建協同圖像分割數學模型；比較歐氏空間和非歐空間不同特徵距離度量的特點，分析不同流形表達的距離度量對特徵分類的影響，研究流形空間中適合協同圖像分割的特徵距離計算方法；研究目標流形不變性特徵表達以及多目標流形非均勻再現的重複模式提取算法，研究多特徵融合框架以及高維特徵自適應流形空間維度縮減方法；研究網路流圖分解算法，圖割合併算法以及並行圖割計算方法，解決大規模圖像集合的協同最佳化問題。本項研究是傳統多類自動圖像分割在協同分割研究中的擴展，不僅具有重要理論意義，其套用前景也十分明顯。
結題摘要
本項課題對圖像集合協同分割算法中的關鍵問題展開了研究。主要研究了圖像集合共同目標的一致性表達問題、共同特徵模式的挖掘與提取問題、協同分割框架與模型的構建問題以及協同分割模型最佳化問題，旨在提高協同分割算法對於一致性特徵的高效自動挖掘能力，增強協同分割算法的分割準確性，提高算法的普適應，減少人為約束及先驗假設條件限制。其中，在共同目標一致性表達問題中，研究了基於形狀配準的個體性形狀差異擬合機制和基於多重特徵組合的一致性特徵表達方法，能夠有效提取目標的共性表達；在共同特徵模式挖掘問題中，研究探索了共同形狀模式的自動挖掘手段和自適應的特徵組合權值設定機制，極大地提高了共同模式挖掘效率，並增強了分割算法的普適性；在協同分割模型構建與最佳化問題中，研究了目標邊界先驗模式挖掘與自適應不完備目標分割最佳化約束機制、基於自適應多次目標候選篩選的協同分割框架、基於MRF框架及局部約束的協同分割模型、協同熱擴散模型以及包含非相關幀的協同視頻分割框架，各類框架可滿足多樣性的協同分割任務需求。將面向圖像集合的協同分割概念引入視頻集合的協同分割問題，可有效應對關聯視頻集合的共性信息挖掘任務。除圖像協同分割問題外，我們還在單幅圖像分割問題上做了大量研究，研究內容主要涉及無監督圖像分割、互動式圖像分割方法等，這一系列研究也為協同分割研究提供了重要的研究基礎及思路。此外，我們還結合前期已有的研究基礎與實際套用需求，基於雙目視覺的行人檢測算法、紅外目標檢測方法、視覺目標跟蹤算法以及魯棒的圖像特徵點匹配和匹配擴展方法。這些研究中，有許多成果也借鑑了協同分割策略中的相關思想，本項目的開展既促進了協同分割的研究，也有效帶動了項目組計算機視覺其他相關領域的創新與進步。
