《超縮結構張量建模與圖切分最佳化分類方法研究》是依託華中科技大學，由韓守東擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：超縮結構張量建模與圖切分最佳化分類方法研究
- 項目類別：青年科學基金項目
- 項目負責人：韓守東
- 依託單位：華中科技大學
項目摘要,結題摘要,
項目摘要
紋理特徵反映了圖像灰度模式的空間分布，包含了圖像的表面信息及其與周圍環境的關係，更好地兼顧了圖像的巨觀信息與微觀結構。而紋理分析的主要目的就是研究出能夠準確描述和區分圖像中不同紋理特徵的方法，它是計算機視覺和圖像分析的一個重要研究內容。本課題擬基於前期的研究成果，致力於研究多尺度非線性結構張量的高效超縮建模策略，基於黎曼流形空間拓撲性質的考慮，分析超縮建模過程中涉及的平滑濾波算法、距離度量和機率統計等描述特性，並以彩色紋理的互動式或者無監督式多元模式分類為套用背景，針對圖切分方法進行最佳化設計和加速處理，加深和拓展多尺度非線性結構張量紋理描述子和圖切分方法的理論基礎及套用範圍，為其在圖像分類標註、目標識別跟蹤以及圖像檢索等計算機視覺相關領域的推廣套用提供理論依據和套用條件。該課題的研究具有重要的理論意義和廣闊的套用前景。
結題摘要
本項目以複雜語義場景中的彩色及紋理圖像無監督/互動式多元模式分類問題為背景，研究了多尺度非線性結構張量紋理特徵的高效超縮建模策略與黎曼空間拓撲特性，提出了多種彩色紋理描述子的構建與融合方式，並對傳統圖切分方法進行了大量擴展設計與最佳化處理。具體地，針對自然圖像中的複雜紋理特徵建模，我們通過對奇異值分解後的多尺度結構張量進行主成分分析獲得了壓縮的多尺度全方向紋理信息，並利用區域全變分流自適應的提取更大尺度範圍的局部尺度倒數紋理信息；面向彩色及紋理等多源屬性特徵的有效融合，我們提出將顏色信息、壓縮的多尺度結構張量、以及局部尺度倒數信息通過特徵通道合併的方式來構建彩色紋理描述子，或者採用梯度直方圖的方式將顏色及紋理特徵融合為增廣圖像，或者通過構建帶平衡節點的圖切分模型對顏色紋理特徵進行協同分割；在對像素點及區域進行統一特徵建模方面，我們提出使用像素點的核密度機率分布來代替像素值以表征其特性信息，通過對一個區域內所有像素點核密度機率分布進行線性疊加來表征區域的特徵信息，並通過Bhattacharyya距離統一描述像素點與區域以及區域與區域之間的特徵差異；為了構建具有更強容錯能力和分割準確度的能量模型，我們提出使用多變數混合學生T分布對圖像模式進行機率分布建模，使用分量式智慧型最大期望算法、空間譜分解算法等自適應的精簡分布模型參數，設計了區域可信融合度用於自適應修正分割結果中的過分割與誤分割，並通過在圖切分最佳化框架中有效地融合Pixel-level及Patch-level信息、局部與非局部信息、區域與邊緣信息等，以提高模型對細長區域、凹陷區域、近似區域、干擾區域等的分割魯棒性。本項目通過對這些關鍵問題的深入研究，研究成果可以為現有基於模型最佳化的分割方法的理解和改進提供新的視角，同時可以進一步加深和拓展特徵描述、能量模型構建與最佳化、多源屬性融合等相關研究領域的理論層次和適用廣度。
