收藏本站
《西安电子科技大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于弱监督学习的图像协同分割与定位

任燕  
【摘要】:在弱监督条件下的图像和视频协同分割与定位旨在利用少量监督信息挖掘图像与视频中存在的共同对象的问题。协同分割与定位方法可以降低对于类标信息的依赖,减轻人工标注的负担。作为一个新兴的研究领域,图像和视频协同分割和定位正逐渐受到广泛关注并不断发展。许多学者发表了相关论文。然而,这个领域仍然存在大量问题有待解决,例如光照条件的不同,尺寸和方向的差异,障碍物和遮挡,以及提高算法效率和精度等。因此,基于弱监督学习的思想,本文针对上述问题,建立了了人眼定位,图像协同分割和视频协同分割的相关理夜夜经并设计了相关算法框架,给出了全面具体的综述,取得了国际同行认可的成果。本文主要贡献如下:1.本文提出了具有旋转不变特性的人眼定位算法,实现了在人眼区域,人脸图像和全身人像中的人眼定位。人眼定位旨在从人脸图像中同时定位双眼精确位置,从而辅助人脸配准人脸识别等相关技术。然而在实际场景中,人眼和人脸图像可能存在任意的旋转角度。根据目标检测的三个主要步骤:目标表示,分类器设计,检测与定位策略,本方法首先从少量人眼样本中学习基于特征表示字典,其次运用基于稀疏表示的分类器结合一种类金字塔检测策略生成人眼位置热度图,最后利用先验知识提高定位精度。实验结果表明该方法能够在任意旋转下精确定位人眼,具有良好的旋转不变特性。2.本文提出一种基于交互学习的协同分割框架并提出了两种算法。图像协同分割旨在同时勾勒出多幅同类图像中的共同存在的目标的精确到像素级的轮廓。大多数现有图像协同分割算法主要关注共存目标的两种特性:显著性和相似性,但往往仅侧重于二者之一。(a)首先,在交互学习框架下,本文提出了一种基于结构稀疏和判别学习的协同分割方法(简称为OUR1)。首先针对共存目标的稀疏性,设计了基于加权结构稀疏的低秩矩阵分解算法。其次针对共存目标的相似性,设计了基于逻辑回归的判别学习算法。本方法利用结构稀疏的权值和逻辑回归参数之间的交替优化完成稀疏性和相似性的交互学习。同时,大多数加权结构稀疏算法直接利用先验知识对权值赋值,本文提出了对于结构稀疏权值的交互学习算法,从而获得具有目标导向性的著性结果,而非基于经验值的显著性。(b)其次,为了进一步充分挖掘图像结构种的几何信息,本文提出了一种基于结构稀疏和树图匹配的树图切方法实现基于交互学习的图像协同分割(简称为OUR2)。这种方法通过结合基于结构稀疏的显著性分析和基于树图匹配的相似性判定于树图切框架下,完成显著性和相似性的交互学习。相比于OUR1,基于树结构的图匹配深度挖掘了共存目标间的相关性。同时,本方法还在图切框架种引入了基于图像纹理和图像邻域的约束项,从而进一步提高了协同分割的准确性。实验证明本文提出的以上两种方法,由于考虑了显著性和相似性之间的交互学习,在公共数据库上取得了更为精准的协同分割结果。其中,OUR2算法在图切框架下充分利用了图片结构信息,获得了优于OUR1的分割结果。3.本文提出了一种基于交互学习的协同分割统一优化方法(OUR3),进一步提高协同分割算法的效率和对于目标的适应性。该方法利用拉普拉斯矩阵将基于树结构稀疏的显著性检测方法和基于树图匹配的相似性评估方法整合于一个统一的框架下,采用增广拉格朗日乘子和平滑近端梯度来优化求解,获得共存目标的分割结果。同时,本文还提出了两种策略:激活点策略和树重构策略。激活点策略基于目标导向的显著性自适应地选择关键节点,从而压缩搜索空间,提高算法效率。树重构策略通过交互学习结果调整图片树结构,从而保持目标完整性,提高分割精度。实验证明,这种方法能够提高算法效率,同时获得更为精确的协同分割结果。4.本文提出了一种基于深度特征的视频协同分割,研究在弱监督情况下对预训练的深度网络进行再利用。该方法首先利用训练好的用于图像语义分割的条件随机场递归网络对视频图像进行特征提取,试图将深度特征的优良性能引入视频协同分割的系统中。然后,将深度特征运用于基于聚类的协同分割框架中,通过分析帧内,帧间以及视频之间的先关性给出共存目标的初步分割。最后再次利用训练好的条件随机场递归网络,通过利用初步分割结果对相关网络层的加权,进一步提高分割结果的精度。实验结果展示了深度学习方法同视频协同分割结合的可能性。
【学位授予单位】:西安电子科技大学
【学位级别】:博士
【学位授予年份】:2018
【分类号】:TP391.41

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 张学军;郭建;;图像纹理分析的方法与应用[J];黑龙江科技信息;2009年16期
2 吴涛;秦昆;;图像纹理特征数据挖掘的理论与方法探讨[J];计算机时代;2006年08期
3 王震,王执铨;图像纹理分析与纹理测度[J];南京理工大学学报(自然科学版);2002年S1期
4 范郭亮;李光;王春霞;;图像纹理区检测及分割算法研究[J];信息安全与技术;2011年09期
5 李亚春;夏德深;徐萌;;小波变换在图像纹理分析中的研究进展[J];计算机工程与应用;2005年35期
6 孟勇,洪丹辉,毛丹;测度熵在图像纹理分析中的应用[J];计算机应用与软件;2000年08期
7 丁黎明;;纹理损失最小约束下跟踪图像阴影自动去除算法[J];自动化与仪器仪表;2019年03期
8 章华;李振璧;姜媛媛;;基于图像纹理的煤岩识别研究[J];煤炭技术;2015年07期
9 徐孟春;王相海;;基于不完全小波树型结构的图像纹理特征研究[J];中国图象图形学报;2009年07期
10 张地;罗群;雷敏;;一种基于图像纹理特征和支持向量机的版权保护方法[J];网络安全技术与应用;2017年08期
中国重要会议论文全文数据库 前10条
1 杨国华;周晨波;阮久忠;郭冰;王刚;;基于自相关函数的非平面表面粗糙度的图像纹理研究[A];第十二届全国光学测试学术讨论会论文(摘要集)[C];2008年
2 王云;董增寿;卓东风;;基于图像纹理和结构特征的燃烧指数的高温低氧火焰燃烧稳定性识别[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(上册)[C];2008年
3 张磊;朱磊;;一种综合图像纹理和灰度特征的分割算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
4 袁灼彬;郑晓林;邹玉坚;方少伟;张旭升;杨沛钦;;T2WI图像纹理分析联合多参数磁共振成像在评价前列腺癌侵袭性研究[A];中国中西医结合学会医学影像专业委员会第十五次全国学术大会暨上海市中西医结合学会医学影像专业委员会2017年学术年会暨《医学影像新技术的临床应用》国家级继续教育学习班资料汇编[C];2017年
5 王鹏;吴春亚;刘德利;刘亦智;刘献礼;;基于LabVIEW的钢球表面缺陷图像纹理分析与检测[A];2007'中国仪器仪表与测控技术交流大会论文集(一)[C];2007年
6 阮久忠;周晨波;杨国华;;基于灰度共生矩阵的非平面表面粗糙度的图像纹理研究[A];第十二届全国光学测试学术讨论会论文(摘要集)[C];2008年
7 薛晶晶;白廷柱;;基于图像纹理特征的隐身效果评价方法研究[A];光电技术与系统文选——中国光学学会光电技术专业委员会成立二十周年暨第十一届全国光电技术与系统学术会议论文集[C];2005年
8 阳维;张素;陈亚珠;;射频消融组织的B超纹理分析与定征[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(上册)[C];2007年
9 杨伟斌;朱庆勇;余怀忠;;基于SEM图像纹理增强的岩石多孔介质渗透率计算[A];中国力学大会-2017暨庆祝中国力学学会成立60周年大会论文集(B)[C];2017年
10 刘芷兰;高康;田野;戴思兰;宋雪彬;;基于展开图像LBP纹理的菊花品种识别[A];中国观赏园艺研究进展2017[C];2017年
中国重要报纸全文数据库 前1条
1 华凌;世界最薄泡沫屏幕可改变图像纹理[N];科技日报;2012年
中国博士学位论文全文数据库 前10条
1 任燕;基于弱监督学习的图像协同分割与定位[D];西安电子科技大学;2018年
2 周杰;医学图像特征的自动获取与基于内容检索的方法研究[D];第一军医大学;2004年
3 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年
4 胡广寰;基于内容图像检索中图像语义分类技术研究[D];浙江大学;2005年
5 王曙燕;医学图像智能分类算法研究[D];西北大学;2006年
6 段立娟;基于内容的图像检索与过滤关键技术研究[D];中国科学院研究生院(计算技术研究所);2002年
7 唐俊华;科学数据库中基于内容图像检索技术研究[D];中国科学院研究生院(计算技术研究所);2004年
8 易文晟;图像语义检索和分类技术研究[D];浙江大学;2007年
9 温智婕;图像纹理特征表示方法研究与应用[D];大连理工大学;2008年
10 姜文晖;物体检索与定位技术研究[D];北京邮电大学;2017年
中国硕士学位论文全文数据库 前10条
1 张天来;基于局部均值滤波与变分正则优化方法的图像纹理平滑[D];燕山大学;2018年
2 黎家超;复杂环境下的道路交通标志检测方法研究[D];长安大学;2018年
3 吕朝晖;基于超像素的腹部图像多器官分割算法研究[D];西北大学;2018年
4 吕凡;基于生成对抗网络的图像自动文本标注方法研究[D];苏州科技大学;2018年
5 楼苏迪;基于情感语义的旗袍图像注释研究[D];杭州电子科技大学;2018年
6 汤丽萍;面向视觉感知的图像情感分类研究[D];南京理工大学;2018年
7 姜雪;基于Hadoop的图像类教学资源的检索策略研究[D];东北师范大学;2018年
8 宋振旗;基于K-T算法的太阳图像高分辨率重建并行化研究[D];昆明理工大学;2018年
9 鞠成恩;基于图像底层特征的图像聚类与检索研究[D];昆明理工大学;2018年
10 赵昕;基于BP神经网络的图像检索算法研究[D];西安科技大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026