《基於對象形變預測的圖像對象分割方法研究》是依託中國人民解放軍國防科技大學，由張鑫擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於對象形變預測的圖像對象分割方法研究
- 項目類別：青年科學基金項目
- 項目負責人：張鑫
- 依託單位：中國人民解放軍國防科技大學
中文摘要,結題摘要,
中文摘要
從靜態圖像中分割出語義對象對於圖像分析和機器視覺有著重要意義。但現有研究成果還存在很大的局限性，特別是，現有方法對感興趣對象類中不同實例間外觀差異的魯棒性亟待提高。針對這一問題，本項目提出一種基於對象形變預測的分割技術。該技術在對實例間的形狀差異進行分解和量化的基礎上，利用擴展的形狀子元來構建感興趣對象類的先驗形狀模型，並通過主動預測待分割實例相對於先驗模型的形變來實現魯棒的圖像對象分割。其創新之處主要在於：把對象實例間的形狀差異分解為一些基本變換的組合，並分別研究其定量度量；在分割過程中根據形狀子元的匹配結果分別估算各基本變換參數，進而預測待分割對象實例相對於先驗形狀的形變；並通過聯合多子元的預測結果來實現對實例外觀差異更為魯棒的特定類圖像對象分割。. 本項目有一定的理論創新，其研究成果在基於內容的圖像檢索與分類、圖像編輯、監控視頻分析等方面具有較大的套用價值。
結題摘要
從靜態圖像中分割出語義對象對於圖像分析和機器視覺有著重要意義。本課題中旨在構建對類內外觀差異更為魯棒的圖像對象分割方法。圍繞著這一目標，項目組首先深入研究了圖像對象分割的基本概念，梳理了它與對象歸類、檢測之間的之間的聯繫與區別；接著，項目組深入研究了基於HOG 特徵的對象類全局模型和部件模型，並研究了如何藉助AdaBoost 算法和Latent SVM算法來更好的訓練全局模型，以及如何利用機率重採樣來實現檢測過程最佳化加速。第三，項目組研究了如何利用上述全局模板和部件模型來實現魯棒精確的圖像對象檢測，並以此作為精度較粗的自頂向下分割結果。第四，項目組進一步研究了多類圖像對象分割技術，提出了藉助機率模型將自底向上分割產生的區域映像與自頂向下分割的對象預測相結合，來提升分割精度的組合式圖像對象分割方法。課題研究所取得的成果明顯超出了原定計畫,當前已發表SCI論文4篇、EI論文2篇，另有1篇已被計算機頂級期刊ACM Computing Surveys錄用。
