[发明专利]基于稀疏和稠密重构的图像解析方法

说明书

本发明提供一种基于稀疏和稠密重构的图像解析方法，包括了五个步骤：基于超像素双调和距离概率分布的图像描述，通过计算超像素间双调和距离的概率密度分布，得到图像的半局部结构信息；基于全局特征的相似图像检索，通过计算图像的全局特征，在图像库中找出在语义上可能相似的图像，并构成类别词典；基于稀疏和稠密重构的误差分析，通过分析未知图像特征与相应类别字典的重构误差，判断未知图像块所属类别；基于图割区域的层次化投票，通过在可能的语义区域进行类别投票，决定区域的类别。本发明通过将数据的低秩分析和主成分分析误差重构相结合，融合物体信息和图像全局信息，解析图像内每一部分所属类别，具有区分能力好，灵活性强的特点。

技术领域

本发明通过将数据的稀疏分析和主成分分析误差重构相结合，研究并实现一种融合物体信息和图像全局信息的图像描述方法，并将该图像描述方法应用到图像解析的应用中，提高图像解析的准确率。

背景技术

图像在人类的生活中不可或缺，是人类获取信息的重要来源之一，虽然图像的种类和内容包罗万象、种类繁多，但是人们一般可以本能地在短时间内分析出图像的内容结构并对其加以利用。与此同时，在生活各个领域，人们已经在潜移默化地利用蕴含在图像集间的内容相关性，来辅助图像分割、病灶匹配、视频监控、对象跟踪识别和图像检索等“读图”分析工作。

图像解析的重要目标是根据图像，分辨其中物体的类别，并做出相应的判断。图像解析的飞速发展归根结底是由于它重要的应用价值。图像解析包含诸如自然图像解析、医学图像解析等方面，是人类视觉认知的延伸。随着图像的广泛应用，利用计算机对图像提取特征并进行处理，提取有价值的信息，以便帮助人们快速达到预期的效果，已经成为现在的发展趋势。

在此背景下，结合课题组已有的相关技术基础，以设计融合物体信息和图像全局信息的图像描述方法为目标，结合数据的稀疏分析和主成分分析误差重构，通过算法集成来设计并实现一个图像解析工具，能够识别出图像中的指定物体及位置。本发明的研究与实现，对以更加智能化的方式，辅助人们实现对图像信息的感知、分析、探索和洞悉具有重要的实际意义。

发明内容

本发明要解决的技术问题是：克服了现有的局部描述子特征描述半局部结构能力的不足，并通过结合使用稀疏分析和主成分分析的方法，设计一种判断特征与字典相关性方法，并提供了一种基于空间填充曲线的图像语义比较方法，选择出概率最大的解析结果。整个发明满足了对图像解析的需要。

本发明采用的技术方案为：一种基于稀疏和稠密重构的图像解析方法，包括以下五个步骤：

步骤(1)、基于超像素双调和距离概率分布的图像描述：将图像分割为超像素，除对超像素提取基本特征外，计算超像素之间的双调和距离，并通过计算双调和距离的概率密度分布，得到超像素的半局部特征结构；

步骤(2)、基于全局特征的相似图像检索：计算图像的全局特征，并与图像库中图像的全局特征进行比较，选出最相似的图像，将这些图像超像素的局部结构特征作为相应的解析类别字典；

步骤(3)、基于稀疏和稠密重构的误差分析：使用之前构造的类别字典，对于每一类，用字典中的词使用两种方法重构未知图像超像素的特征，一种使用稀疏表示来重构，一种使用主成分分析来重构，得到每一个超像素对于每一类的重构误差，并且将误差在相似区域进行扩散，综合最后的误差结果判断超像素所属类别；

步骤(4)、基于图割区域的层次化投票：计算图像的图割区域并作为图像可能的语义分割区域，并在每一个图割区域，利用不同大小的超像素解析结果投票得到图割区域的类别结果；

步骤(5)、基于空间填充曲线的图像语义比较：利用空间填充曲线遍历图像，得到表示图像语义的字符串。利用字符串之间的相似度衡量图像的相似度，选择出概率最大的图像解析结果。

本发明的原理在于：