[发明专利]一种基于互联网图片的同时目标搜索与分割方法

说明书

技术领域

本发明涉及一种基于互联网图片的同时目标搜索与分割方法，适用于视觉目标的搜索与分割、用户照片的感兴趣目标提取以及图片分类识别等领域。

背景技术

在计算机视觉领域，对感兴趣目标的同时搜索与分割是一个新且实用的问题，它的解决能够对互联网图像的处理，诸如感兴趣目标的提取、目标识别、物体分类等众多图像处理问题起到很好的辅助作用。随着互联网浪潮的兴起，处理大批量的多媒体数据(例如图像、视频等)已成为人们迫切的需求。如何能够从大量的图像信息中提取出人们感兴趣的目标物体已经成为人们非常关心的问题。借助于互联网，人们可以非常容易获取包含有相同物体或者同一类别物体的大量图片，而如何借助于这一信息来辅助评价感兴趣目标中具有独特性的超像素，以此在新的图像数据集中定位感兴趣目标，是本发明的出发点。通过将独立的目标搜索与目标分割这两项图像处理的基本问题结合起来，在目标分割的基础上引入目标搜索的思想，以种子超像素作为联系搜索与分割的纽带，形成“搜索约束分割，分割验证搜索”的全新思想来完成目标的同时搜索与分割是本研究的主要内容。然而，纵观有关目标搜索与分割领域的研究和应用可知，目前的同时目标搜索与分割领域工作较少，且存在以下问题：

1)目前的搜索技术主要以矩形框的形式给出结果，基于矩形框进行分割则存在诸多问题：若矩形框错误，则必然得到错误的分割结果；若矩形框过大或过小，同样给分割结果带来较大误差。

2)目前的搜索技术普遍采取遍历式滑动窗匹配，其计算量过大，且需要实现进行训练，应用的局限性较大。

3)目前的工作中将目标搜索与目标分割整合到统一框架进行解决的工作稀少，如何将这两者有机结合并且实现新的同时搜索与分割的问题依然是一个难题，有待进一步研究。

以上的技术难题为目标同时搜索与分割技术在互联网领域的广泛应用带来了诸多困扰，开发出一套基于互联网图片的同时目标搜索与分割方法具有较高的应用价值。

发明内容

为了解决现有技术中存在的难题，本发明公开了一种基于互联网图片的同时目标搜索与分割方法，该方法适用于具有复杂精细结构的感兴趣目标的同时搜索与分割。根据用户输入，最具有代表性超像素评价机制评估出感兴趣目标中的最具有代表性超像素；基于最具有代表性超像素，分层式搜索机制得到在图像集中的种子超像素集合。最后，将树图约束与种子超像素约束引入组合优化问题，并通过反馈验证过程来完成最终的目标同时搜索与分割。

本发明采用以下技术方案：一种基于互联网图片的同时目标搜索与分割方法，包含以下步骤：

(1)对于带有用户标记的感兴趣目标图像I^L，通过过分割方法得到感兴趣目标所包含的超像素集合P^L。基于最具有代表性超像素评价机制，得到超像素集合P^L中最具有代表性超像素；

(2)对待处理图像集进行分层式过分割，得到过分割超像素；基于感兴趣目标图像I^L及其最具有代表性超像素，实现对所有待处理图像集的过分割超像素与感兴趣目标最具有代表性超像素的分层式匹配，得到种子超像素集合

(3)对感兴趣目标以及背景利用目标模型f^L和背景模型f^b分别建模，其中，上述模型均由现有的混合高斯模型(GMM)与空间金字塔匹配模型(SPM)共同得到。然后，采用组合优化的算法对过分割超像素进行目标与背景的再次分类，同时引入种子超像素与树图的约束，并以分割结果反馈验证种子超像素，得到最终同时目标搜索与分割结果。假设每个超像素对应于一个顶点，最后的分割结果由包含种子超像素的多个超像素构成，且能够表示为邻接图的子树。通过建立邻接图来推断子树的方法确定最后的分割结果；具体实现过程如下：

(3.1)构建邻接图：假设图像中的每个超像素对应于图中的一个顶点，两个相邻的超像素之间由一条边连接，由此构成邻接图对于最终的目标同时搜索与分割的结果，假设结果由邻接图所包含的一个子树构成，且包含对应的种子超像素；

(3.2)建立数值模型求解：建立数值模型，将目标同时搜索与分割的问题转换为组合优化问题的求解，如下：