论文部分内容阅读
图像分割是多媒体领域中的一项关键技术，至今仍未提出一个通用的方法以及标准，对图像分割的研究将是个不断发展和进步的过程。目前很多结合图像底层信息的分割方法，已经不能满足多媒体领域的迅速发展，图像高层语义分割应运而生。本文建立在底层分割的基础之上，并结合高层信息，提出了一种新的高层语义分割方法。本文首先提出了两种不同的底层分割方法。第一种方法为：融合直方图阈值和K-均值的底层图像分割算法。其首先利用直方图的阈值技术获得彩色图像中所有可能的均匀区域，即通过寻找直方图中的主峰值，对区域作初始化以及合并，获得由相应的聚类中心标注的均匀区域，然后提出一种自适应的K均值算法来提高已经形成的均匀区域间的紧密度，形成最终分割结果。第二种方法为：融合多颜色空间分量的底层图像分割算法。其首先通过一些分割评价指标选取六个不同的颜色空间分量，然后提出了一个寻找直方图峰值的算法，寻找各个颜色空间分量的直方图峰值，作为聚类数目以及初始聚类中心并进行SFCM (空间FCM)聚类，得到了六个不同的分割结果；接下来将它们融合；最后再进行区域合并，得到分割结果。在底层分割之后，本文结合底层分割结果，提出了一种新的图像语义分割模型。其主要思想为：首先对图像进行底层分割，获得相应的底层分割图像块；然后基于图像块通过外观模型、词袋模型、K-均值聚类等方法来获取图像的高层语义信息，如：纹元直方图、特征点直方图、空间关系直方图以及全局形状模型；最后利用这些高层信息，结合支持向量机，对图像块重新标注，获取最终的语义分割结果。该分割模型的亮点为通过图像块将外观模型以及词袋模型结合到一起用于图像分割，以及提出了一种新的特征点空间关系。大量实验证明我们的模型简单有效。