《基於自相似隨機場模型的通用圖像分割方法研究》是依託天津大學，由馮偉擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於自相似隨機場模型的通用圖像分割方法研究
- 項目類別：青年科學基金項目
- 項目負責人：馮偉
- 依託單位：天津大學
項目摘要,結題摘要,
項目摘要
隨著網際網路的快速發展，大量網路圖像隨之出現。與普通數字圖像不同的是，網路圖像具有數量大、種類多、包含多種語義標籤（tag）等突出特點。然而，現有分割方法在處理大量網路圖像分割時存在著諸多不足，包括：對彩色圖像與紋理圖像採用截然不同的分割策略，缺少通用的處理途徑；部分算法重要參數過於依賴用戶輸入，不適於自動處理大量的網路圖像數據；對網路圖像的各類語義標籤利用不充分等。針對以上問題，本課題將（1）擴展傳統隨機場分割模型，建立適用於通用圖像分割的新型自相似隨機場模型SSRF的理論和最佳化算法基礎；（2）提高基於SSRF模型的通用分割算法非參數化程度，重點解決分割類別的自確定問題；（3）提出針對由標籤所引入的多種弱監督分割約束的通用融合方法。本課題的研究將能夠提高面向大量網路圖像的分割性能，並在理論和實際兩方面為更加智慧型的圖像分析與套用打下堅實基礎。
結題摘要
隨著網際網路的快速發展，大量網路圖像和文本數據隨之出現。與普通數字圖像和媒體數據不同的是，網路圖像和文本具有數量大、種類多、包含多種語義標籤(tag)等突出特點。然而，現有分割方法在處理大量網路圖像和文本分割時存在著諸多不足，包括：算法重要參數過於依賴用戶輸入，不適於自動處理大量的網路圖像和文本數據；對網路圖像的各類語義標籤利用不充分等。針對以上問題，本課題重點研究了以下三方面內容： (1) 擴展傳統隨機場分割模型，建立適用於通用圖像分割的新型自相似隨機場模型SSRF的理論，並提出基於擴展亞超模態最佳化的ESSP算法，取得了在相同最佳化精度下更快的收斂速度； (2) 提高基於SSRF 模型的通用分割算法非參數化程度，重點解決了圖像和文本故事分割中的類別自確定問題，同時兼顧了對分割精度和數據標識成本的性能； (3)提出針對由標籤所引入的多種弱監督分割約束的通用融合方法，並將其成功套用於圖像和文本分割問題中。本課題的研究有助於進一步提高面向大量網路圖像和文本數據的分割性能，並且在理論和實際兩方面為更加智慧型的網路圖像和文本分析奠定基礎。
