[发明专利]一种基于分层高阶条件随机场的图像分割方法在审
| 申请号： | 201910994842.6 | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110738672A | 公开（公告）日： | 2020-01-31 |
| 发明（设计）人： | 杨旸;谢明远 | 申请（专利权）人： | 西安交通大学深圳研究院 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T7/136;G06T7/90;G06K9/46;G06K9/38;G06K9/62 |
| 代理公司： | 61215 西安智大知识产权代理事务所 | 代理人： | 何会侠 |
| 地址： | 518052 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于分层高阶条件随机场模型的图像分割方法，首先对目标图像提取多类纹理特征，构建像素级的一元势函数和成对势函数；再使用无监督分割算法获得不同粒度的超像素片段；设计各粒度层对应超像素级的一元势函数和成对势函数；构建分层高阶条件随机场模型；利用人工标记样本，监督学习分层高阶条件随机场模型参数；最后对待测试的图像，经过模型推理获得最终的分割标记结果；本发明采用的分层高阶条件随机场模型融合了图像的多特征纹理信息和多层超像素分割信息，能够有效地提高图像中多目标对象的边界分割准确性。 | ||
| 搜索关键词： | 条件随机场模型 势函数 分层 高阶 像素级 图像 成对 构建 边界分割 标记结果 分割算法 目标图像 人工标记 图像分割 纹理特征 纹理信息 像素分割 多目标 无监督 有效地 再使用 多层 推理 像素 样本 测试 分割 融合 监督 学习 | ||
【主权项】：
1.一种基于分层高阶条件随机场的图像分割方法，其特征在于：在构建条件随机场的底层能量函数方面：首先提取图像的像素级特征，包括纹理特征、颜色特征、尺度不变特征变换特征和局部二值模式特征，利用这些像素级特征训练分类器，把分类器对像素分类的输出值转化为概率表达，构造像素级的一元势函数；再利用邻域像素颜色差异的边界特征定义像素级的成对势函数；在构建条件随机场的中层能量函数方面：首先利用无监督分割算法得到不同分割粒度的超像素分割结果；再提取超像素特征构建超像素级的一元势函数和成对势函数；综合利用图像的像素级的一元势函数和成对势函数以及超像素级的一元势函数和成对势函数构建分层高阶条件随机场模型；进而利用人工标注的样本，通过逐层监督学习的方法估计模型参数；最后对目标图像应用图割算法推理得到最终的图像分割标记。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学深圳研究院，未经西安交通大学深圳研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910994842.6/，转载请声明来源钻瓜专利网。
