[发明专利]一种基于条件随机场和二次字典学习的图像场景标注方法

摘要

本发明公开了一种基于条件随机场和二次字典学习的图像场景标注方法，针对训练集图像进行超像素区域过分割，获取每幅图像的超像素过分割区域；提取各个超像素过分割区域的特征，并结合基准标注图像构建超像素标签池，利用超像素标签池训练出支持向量机分类器，计算超像素一元势能；计算相邻超像素成对项势能；借助训练集中全局性的过分割超像素区域的类别统计，以构建应用于类别统计直方图的分类器作为分类成本，基于每一类超像素区域内关键点特征的稀疏表示的稀疏编码子之和的直方图统计作为该CRF模型的高阶势能，分别以类字典、共享字典两种判别字典经过二次稀疏表示优化稀疏编码子，更新字典和CRF参数与分类器参数；本发明提高了标注精度。

主权项

1.一种基于条件随机场和二次字典学习的图像场景标注方法，其特征在于，包括以下步骤：步骤A、针对训练集图像进行超像素区域过分割，获取每幅图像的超像素过分割区域；步骤B、根据超像素过分割区域，提取各个超像素过分割区域的特征，并结合基准标注图像，构建超像素标签池，利用超像素标签池训练出支持向量机分类器，计算超像素一元势能；采用邻近区域对比颜色均值特征计算相邻超像素成对项势能；步骤C、针对训练集图像，提取自顶向下特征，然后根据每一类的关键点训练初始化的每一类字典；针对每一个超像素过分割区域，以过分割区域的类别相对应的字典稀疏表示关键点的特征，并统计区域关键点稀疏系数得到类直方图作为高阶势能项，累加步骤B中的一元势能和成对项势能，并结合CRF参数、分类器参数得到CRF能量函数；对字典、CRF参数与分类器参数进行联合更新；最后用查询图像测试。