基于随机森林算法的街道场景语义分割

• 作 者: 朱卫
• 出 处: 哈尔滨理工大学
• 发表日期: 2019年08期
• 关键词: 随机森林 超像素分割 CNN 特征提取

随机森林算法在图像处理中具有处理速度快、像素点分类准确率高、易于实现等优点,可用于图像分类、图像分割、检测与识别等领域当中。当前有多种语义分割方法,传统语义分割方法分割精度不高,而现有深度学习方法过于复杂,基于此提出两种随机森林与其它方法相结合的语义分割方法,应用于街道场景语义分割中。首先,本文阐述了语义分割的基本理论,研究语义理解的基本原理和语义建模方法,对超像素分割方法的基本原理进行研究。针对SLIC超像素算法研究其使用原理,并设计多种超像素分割方法对比实验,验证SLIC超像素分割方法的性能,利用SLIC算法设计具体的实验方法对后期实验图像进行预处理。其次,提出基于超像素分割的随机森林与传统特征提取方法相结合的图像语义分割方法。该方法在超像素分割的基础上,利用传统的颜色、形状、纹理、空间结构信息提取特征,结合随机森林分类器实现不同对象的分割。在此过程中,首先研究了四种特征提取方法的理论,并设计相应的实验验证了特征提取的效果;其次研究了随机森林理论,设计实验比较几种不同分类器的性能;最后,设计总体实验方案,结果显示超像素数量为300时,分割精度为72.4%,验证了所提方法取得了较好的分割效果。最后,在以上研究的基础上提出一种随机森林方法与深度学习方法相结合的语义分割方法。研究了CNN卷积神经网络的基本原理,并根据其原理提出合适的特征提取方法;提出CNN特征提取与随机森林算法结合的具体方法,并设计出模型的总体流程;最后,根据所提方案设计实验进行验证,对实验结果进行分析和比较,实验效果显示,PA值为78.2%,MIoU值为24.7%,验证了所提方法具有很好实际效果。