基于对象语义的图像分割和分类方法

提出一种基于对象语义的图像分割和分类方法．建立多层级区域生长算法HRGSeg对图像进行分割,从而去除“弱对象语义”细节,降低过度分割的影响．在此基础上,提取颜色、边缘、纹理等低层次特征作为特征向量,并利用支持向量机建立样本训练机制,实现低层次特征向高层对象语义的映射．实验中,采用层次化分类机制,取得了较理想的结果．     

对象持久性语义

本文对Ｋｈｏｓｈａｆｉａｎ－Ｃｏｐｅｒｌａｎｄ对象模型进行了改进和扩充,并在此基础上提出了引用可达图,为分析对象持久性语义提供了必要的工具。利用这一工具对两种对象持久性语义进行了分析。     

视频对象分割技术的研究

叙述了采用视频标准MPEG-4和MPEG-7进行视频分割技术的一些基本概念和常用的分割方法,同时针对每种方法的优缺点进行了分析,并对发展趋势进行了展望。     

视频对象分割技术的研究

叙述了采用视频标准MPEG-4和MPEG-7进行视频分割技术的一些基本概念和常用的分割方法,同时针对每种方法的优缺点进行了分析,并对发展趋势进行了展望.     

基于DCNN的图像语义分割综述

图像的语义分割是计算机视觉中重要的基本问题之一,其目标是对图像的每个像素点进行分类,将图像分割为若干个视觉上有意义的或感兴趣的区域,以利于后续的图像分析和视觉理解.近年来,深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的出现,极大地推动了语义分割的发展.本文从语义分割的基本定义出发,对语义分割中存在的困难和挑战进行了分析和描述.总结了目前用于评测语义分割算法的典型数据库,并以PASCAL VOC数据库为主线对近年来基于DCNN的语义分割算法进行了梳理和总结.最后对语义分割未来的研究重点进行了探讨和预测.     

一种多层次语义视频对象分割算法

提出一种基于高斯马尔可夫随机场及规则化图划分的多层次语义视频对象分割算法,其主要特点是将视频序列帧中对象的分割看成是“内容树”结构中复合结点的形成过程.首先使用高斯-马尔可夫模型来进行视频帧内的最优标记场标定,然后引入规则化图划分准则进行过分割区域的合并,得到具有语义意义的视频对象.实验表明,本分割算法具有较高的准确性,误差的均值为11.375%,标准方差为0.94%.     

提高视频对象分割的实时性及多对象分割

视频对象的分割目前存在两个难题,一是如何提高分割的实时性,二是对存在互遮挡的多个对象如何进行有效分割。对前者分割提出了基于自适应跳帧的分割算法和基于CNN(细胞神经网络)的实时分割法,对后者提出了基于时空曲线演化的多视频对象分割和Bayes最小误差判断的方法。仿真实验表明,这些方法是有效的,对这两个难题的最终解决和实际应用指出了新的途径。     

浅析语义对象类型

确定语义对象对于建立语义对象模型是很重要的。本对七种语义对象类型举例分析,论述了确定不同的语义对象的方法,从而把具体对象从事物中更为清晰地抽象出来,为建立语义对象模型奠定了基础。     

实时语义图像分割模型研究

为了实现快速语义图像分割,提出一种简化整合模型.首先,对频域视觉注意模型PQFT的四元数图像虚部系数进行简化改进.然后,将改进PQFT模型的显著图与简化PCNN的内部活动项结合起来对显著目标区域进行粗略定位,并以提出的显著目标区域均值的3/2倍进行精细分割.最后,根据尺寸变化与否准则判断输出正确的语义图像分割结果.实验结果表明,提出的整合模型具有实时性,且取得的AUC值和F值较原PQFT模型分别提高了29.9%和44.2%.     

基于语义分割的城市航拍图像匹配定位方法

针对无人机如何在无全球导航卫星系统(GNSS)或弱GNSS环境下确定自身的位置,以使无人机完成各项既定任务的问题,提出一种在城市环境中以无人机上搭载的俯视相机和高度计作为传感器,通过航拍图像和已知参考卫星图像进行配准以获得无人机绝对位置的方法．在配准之前,使用卷积神经网络对两幅待配准图像进行语义分割,提取两幅图像中的建筑物信息．与传统点特征匹配方法容易失败不同,利用两幅图像的建筑物排列信息配准,可以克服两幅图像可能存在的部分差异,如季节等因素的变化．本方法无须已知无人机的精确初始位置,可利用初始化算法在大面积范围内确定无人机的初始位置．在视觉里程计(VO)运行过程中利用最近点迭代(ICP)点云配准算法以消除漂移．最后,利用在谷歌地球中模拟的数据集,验证了本方法的有效性．     

基于特征融合注意力的小样本语义分割算法

针对小样本语义分割任务中对查询图片的信息利用不充分的问题,提出一种基于特征融合注意力的小样本语义分割算法。首先,利用共享主干网络编码支持图片和查询图片,从而获取图片的深度特征;然后,利用注意力机制获取支持特征和查询特征的强关联语义信息,从而构造任务注意力特征图;最后,提出一种多特征注意力融合模块,它能够自适应融合多种特征的深层语义信息并进行特征解码,从而获取目标物体的分割掩码。在PASCAL-5ⁱ和COCO-20ⁱ公开数据集进行了实验,结果表明,所提出模型比当前主流的小样本语义分割模型在1-way 1-shot和1-way 5-shot任务中分割得更加精准,尤其是在更具有挑战性的COCO-20ⁱ数据集上,所提出模型在1-shot的设定下达到了28.8%的mIoU和62.1%的FB-IoU,在5-shot设定下达到了36.9%的mIoU和64.8%的FB-IoU。     

基于深度学习的图像语义分割研究进展

图像语义分割是对图像中的每个像素点进行分类,将图像中的前景和背景区分并且识别出每个前景的类别。随着深度学习技术的发展,传统图像语义分割方法在分割精度和分割速度上已经彻底被超越。针对深度学习图像语义分割方法研究现状进行综述,对近年来国内外基于深度学习图像语义分割方法主要思想、优缺点进行了分析和总结。提出了该领域目前存在的问题,对将来的发展进行总结和展望。     

一种基于对象跟踪的视频分割算法

在新一代MPEG-4视频编码标准中,为了支持面向对象编码和实现基于内容的应用,视频分割成为关键技术之一,而半自动的视频分割是常用而且比较精确的一种分割方法.本文提出一种基于对象跟踪的半自动视频分割算法.该算法在用户的参与下,基于图像的时空信息,进行视频对象(VOP)的分割.实验结果表明,该算法能够较精确地连续分割出视频对象.     

基于残差注意力和金字塔上采样的图像语义分割

针对图像语义分割中,存在细节信息丢失、分割类别边缘模糊而粗糙的问题,在编码解码结构的基础上,结合残差模块和注意力机制,设计一种残差注意力模块.通过注意力机制加强特征图通道之间的联系,以提升语义分割的细腻度.为提高模型对多尺度物体的识别能力,结合金字塔模型,设计一种金字塔上采样模块.利用编码过程中产生的不同尺度的特征图,...     

MDF-ANet:低光照环境下的无人驾驶视觉融合分割方法

为解决低光照条件下已有图像分割模型性能降低的问题,提出了一个基于RGB和深度图特征融合网络的MDF-ANet图像分割方法.为了对原始数据进行充分的特征学习,采用两路特征提取网络分别提取RGB和深度图特征;设计了一个特征融合模块,分别将两路特征提取网络对应尺度下的输出特征图通过融合模块进行融合,并作为RGB网络下一层的输入,通过不受光照条件影响的深度图来辅助RGB的特征提取;将各个尺度输出的特征图输入多尺度上采样融合模块,进行不同感受野间的信息互补,再上采样至原始输入图像大小,得到分割图像.在Cityscapes及其转化后的低光照图像上进行了一系列实验,在其验证集上取得了62.44%的均交并比（mean intersection over union,mIOU）,相比只使用RGB输入的模型,性能提高了9.1%,达到了在低光照条件下提高图像分割性能的目的.      

一种半自动分割视频对象的方法

提出一种半自动视频对象分割方法，通过对跟踪分割视频序列的后继帧，这种方法首先采用基于块匹配和最大边缘强度的运动估值和补偿方法进行对象轮廓定位，接着采用模板匹配以特定对象知识检测对象像素，为使轮廓定位更可靠，在块匹配的运动估值中使用了彩色信息，而模板匹配则使分割结果精确化，避免误差传递，并且在出现遮挡时只要对象颜色在整个序列中一直保持相似性，就能够正确测出对象，实验结果证明这种方法能够分割复杂场景中的任意对象。     

基于语义分割注意力与可见区域预测的行人检测方法

为改善图像中遮挡和小尺寸行人的检测精度,提出一种基于语义分割注意力和可见区域预测的行人检测方法.具体地,在SSD(single shot multi-box detector)目标检测网络的基础上,首先优化SSD的超参数设置,使其更适于行人检测;然后在主干网络中引入基于语义分割的注意力分支来增强行人检测特征的表达能力;...