[发明专利]一种基于空间约束的位置优先场景解析方法

权利要求书

1.一种基于空间约束的位置优先场景解析方法，其特征在于，主要包括空间约束位置优先系统的生成(一)；类概率的预测(二)；情景类表决的传播(三)；虚拟特征的一体化(四)。

2.基于权利要求书1所述的空间约束位置优先系统的生成(一)，其特征在于，空间约束位置优先系统对先验类标签的分布信息的类间空间相关性进行编码；系统考虑了四种类间空间约束相关性，包括目标共现的统计特性、相对位置、绝对位置、空间方位关系；

空间约束位置优先需要进行以下的计算：

首先，假设定义在一系列像素v上面的图像为I(v)∈R³，类标签用C表示，从I过分割得到的超像素用S(v)表示；

接着，为了同时考虑目标的相对位置偏移和绝对位置偏移，把I分成一系列相同分布的块，即：{I＝U(B_k)，k＝1，2，…，K}，其中K是块的数目；利用这些块的目的在于，当目标的相对位置被块与块之间的空间关系所编码、而其绝对位置由块的空间坐标所保存时，能够保持相对位置和绝对位置之间的平衡；

最后，由于目标可能出现在一幅场景图的任何位置，创建全局位置优先和局部位置优先来表示两个目标同时以近距离或者远距离出现在一幅场景图时的似然函数，它们分别捕获全局情景和局部情景。

3.基于权利要求书2所述的全局位置优先，其特征在于，假设带有类标签的一个像素出现在块B_k1中，矩阵k₁≠k₂表示带有类标签c的像素出现在块B_k2的概率，且这个矩阵被归一化，确保关于每一块的所有类的条件概率密度之和为1，即：

对于每一块和每一类，可以生成一个具有M*(K-1)个元素的矩阵，这些矩阵可以从训练数据中独立地进行学习；对于块B_k1中的一个超像素，在所有超像素情景信息的支持下，其全局位置优先反映其类标签的置信度。

4.基于权利要求书2所述的局部位置优先，其特征在于，给定一个带有类标签的超像素s_j，矩阵表示有一个与之毗邻的超像素带有类标签c，且局部矩阵由训练数据中成对的毗邻超像素计算得到，计算过程不考虑空间块，因此超像素对可以出现在图像的任意位置；其补偿在全局优先中没有考虑到的超像素的情景信息；

对于一个超像素，在临近超像素的情景信息的支持下，局部位置优先反映其类标签的置信度。

5.基于权利要求书1所述的类概率的预测(二)，其特征在于，对于一张测试图像，提取所有超像素的虚拟特征，利用一个有监督的学习过程，获得属于每一类的所有超像素的概率的近似值；可以通过取最大的概率值然后用于生成情景类表决的方式，选择所有超像素的最可能的类。

6.基于权利要求书5所述的超像素的虚拟特征，其特征在于，提取一系列超像素级别的颜色、几何结构和情景特征；另外，获取图像的RGB信息、基元和关于超像素域的尺度不变特征变换直方图。

7.基于权利要求书5所述的概率的近似值，其特征在于，合并一个有监督的训练-测试过程，完成多类概率预测任务；

对每一类，训练一系列一对多的二值分类器；对于第j个超像素s_j，可以获取其关于第i类c_i的类概率；对于所有的类M，可以获取s_j的一个类概率矢量，这个矢量包含属于所有类C的每一个超像素s_j的似然函数，把s_j分派给具有最大概率的类。

8.基于权利要求书5所述的选择，其特征在于，给定一个具有超像素S(v)的预划分图像和与之对应的虚拟特征F^v，利用最小冗余最大相关算法，根据特征选择过程获取特定类的特征子集。