结合CRF与ShapeBM形状先验的图像标记.PDFVIP

电信科学 2017 年第 1 期 研究与开发 结合 CRF 与 ShapeBM 形状先验的图像标记 王浩 ，郭立君 ，王亚东 ，张荣 （宁波大学信息科学与工程学院 ，浙江 宁波 315211 ） 摘 要 ：条件随机场 （CRF ）是一种强大的图像标记模型 ，适合描述图像相邻区域间 （例如超像素 ）的相互作用 。 然而 ，CRF 没有考虑标记对象的全局约束 。对象的整体形状可以作为对象标 记的一种全局约束 ，利用形状玻尔 兹曼机 （ShapeBM ）在建模对象的整体形状方面的优势 ，提出了一种 CRF 与 ShapeBM 相结合的标记模型 。 标记 模型建立在超像素的基 础上 ， 并通过 pooling 技术在 CRF 的超像素层与 ShapeBM 的输入层间建立对应关系 ， 增 强 了 CRF 与 ShapeBM 结 合 的 有 效 性 ， 提 高 了 标 记 准 确 率 。 在 Penn-Fudan Pedestrians 数 据 集 和 Caltech- UCSD Birds 200 数据集上的实验结果表明 ，联合模型明显地改善了标记结果 。 关键词 ：条件随机场 ；形状玻尔兹曼机 ；联合模型 ；超像素 ；图像标记 中图分类号 ： 文献标识码 ： TP391 A doi: 10.11959/j.issn.1000-0801.2017004 CRF combined with ShapeBM shape priors for image labeling WANG Hao, GUO Lijun, WANG Yadong, ZHANG Rong School of Electrical Engineering and Computer Science, Ningbo University, Ningbo 315211, China Abstract ： Conditional random field (CRF) is a powerful model for image labeling, it is particularly well-suited to model local interactions among adjacent regions (e.g. superpixels). However, CRF doesn ’t consider the global constraint of objects. The overall shape of the object is used as a global constraint, the ShapeBM can be taken advantage of modeling the global shape of object, and then a new labeling model that combined the above two types of models was presented. The combination of CRF and ShapeBM was based on the superpixels, through the pooling technology was wed to establish the corr