自然图像中的对象自动检测和提取

自然图像中的对象自动检测和提取

ID:27715861

大小:248.00 KB

页数:4页

时间:2018-12-05

自然图像中的对象自动检测和提取_第1页
自然图像中的对象自动检测和提取_第2页
自然图像中的对象自动检测和提取_第3页
自然图像中的对象自动检测和提取_第4页
资源描述:

《自然图像中的对象自动检测和提取》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2009年1月第35卷第2期计算机工程January2009Vol.35No.2ComputerEngineering·图形图像处理·文章编号:1000—3428(2009)02—0225—02文献标识码:A中图分类号:TP391.41自然图像中的对象自动检测和提取聂青1,战守义2(1.北京理工大学信息科学与技术学院,北京100081;2.北京理工大学计算机学院,北京100081)摘要:引入基于例子的抠图模型,实现对自然图像的自动训练和检测,采用视觉单词的层次空间直方图改进特征包分类检测技术,提高自动检测和定位的精度。从检测结果中自动提取背景信息和前景信息,使用graph-c

2、ut技术完成自动抠图。对PascalVOC2006测试集的测试结果表明,该方法的检测率较高,其自动抠图效果达到了现有交互式图像提取工具的水平。关键词:对象检测;抠图;特征包;对象分类AutomaticalObjectDetectionandExtractioninReal-worldImageNIEQing1,ZHANShou-yi2(1.SchoolofInformationScienceandTechnology,BeijingInstituteofTechnology,Beijing100081;2.SchoolofComputer,BeijingInstituteof

3、Technology,Beijing100081)【Abstract】Thispaperintroducesamattingmodelbasedonexemplartorealizeautomaticaltraininganddetectioninreal-worldimage.Combinedwithspatialhistogramofvisualwordsimprovetheperformanceoforderlessbag-of-featuresimagerepresentation.Backgroundandforegroundinformationcanbegota

4、utomaticallyfromthephaseoflocalization.Itusesgraph-cuttechniquetoaccomplishmattingautomatically.ThetestresultsonPascalVOC2006testsetshowthatthedetectionrateofthismethodishigh,anditsautomaticallymattingeffectisaswellasexistinginteractiveimagecutouttool.【Keywords】objectdetection;matting;bagof

5、feature;objectclassification1概述数字抠图是一种把任意形状的前景物体从图像中抽取出然后采用SIFT特征描述子[3]描述关键区域的特征,使用k-means方法矢量量化上述SIFT描述子,形成约2000个视觉来的技术。抠图与图像合成技术是影视制作中必不可少的关 键技术,被广泛用于媒体制作。目前自然图像的抠图方法主单词,构成码书。根据文献[4]推荐的方法,获取视觉单词对某类对象的分辨性D(w),即要包括Knockout,RuzonTomasi,Hillman,Bayesian,Poisson,EnergyMatting,Grabcut,Lazysnapp

6、ing和ClosedFormMatting等。上述方法都需要进行人机交互,其中,前6种方法需要进行较细致且繁琐的trimap划分,GrabCut方法要求用户沿前景物体的周围画一个矩形,并通过图像分割和羽化过程抠出前景物体,Lazysnapping方法和ClosedFormMatting方法需要用户在图像前景区域和背景区域内随意画几条线段作为前景区种子和背景区种子,并利用这些线段区分前景物体和背景物体。为了实现全自动抠图,本文使用对象检测定位技术实现前景物体的自动定位,并利用定位过程中的特征信息自动提取背景信息和前景信息,从而完成抠图。包含单词w并且包含某类对象的图像个数D(w

7、)=(1)包含单词w的所有图像个数分辨性高的视觉单词通常是区别该类对象与其他对象的明显标志。2.1.2样例训练获得码书和视觉单词的分辨性后,可以进行样例训练。给定一系列训练图像T,样例训练要在每幅训练图像中检测出与其他训练图像最匹配的区域,这些区域最后可以定义为样例集,上述过程能通过迭代最小化以下代价函数来完成:C=∑∑(d(Xϖ,Yϖ))+α(d(Xe,Ye))(2)LX∈TY∈T其中,T代表所有训练图像;Xϖ和分别是其中一个ROIXe2算法实现自动抠图的实现过程如下:(1)从训练图像中生成码书(视视

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。