基于图像分层树的图像语义分割方法-计算机应用研究.PDF

第 卷第 期 计 算 机 应 用 研 究 年 月 基于图像分层树的图像语义分割方法 曹攀 钱军浩 陈智 李肖赫 江南大学物联网工程学院 江苏无锡 哈尔滨工业大学计算机科学与技术学院 山东威海 摘 要 针对传统语义分割模型缺乏空间结构信息无法准确描述对象轮廓的问题提出了一种基于图像分层 树的图像语义分割方法 分层树模型采用结构森林方法生成轮廓模型为防止过度分割运用超度量轮廓图算 法得到多尺度轮廓图再利用支持向量机训练多尺度轮廓图生成图像分层树通过随机森林精炼分层树最终输 出图像语义分割结果 在测试实验中像素精确度达到 相比区域选择方法提升了 并在较难区分 的树和山脉的预测精确度上相比层次标记方法分别提升了和 具有更高的稳定性 实验结果表明 在复杂的室外环境下对图像语义分割的精确度稳定性和速率均有明显改善 关键词 语义分割 图像分层树 多尺度 随机森林 支持向量机 中图分类号 文献标志码 文章编号 人 提出了基于轮廓分割的室内场景识别算法在轮廓分割 引言 的基础上利用了深度信息并加入重力特征来预测轮廓点 国外在图像语义分割研究中等人 提出的语义分 随着计算机视觉的发展图像语义分割技术 逐渐映入 割方法考虑到生成区域的不理想问题提出一种区域选择方法 人们的眼帘因其广泛的应用性而备受人们的重视 当前主流 择优选取区域模型 等人 提出层次标记方法从整张 的图像语义分割方法基于像素训练模型通过神经网络深度 学习等方法训练像素并为像素进行语义标注 该模型忽略了 图像出发迭代分解图像块最终语义标注所有图像块 在学 对象的整体性将对图像中对象的识别转换为对像素识别虽 习特征的过程中部分学者认为彩色图所提供的信息远远不够 然能够在像素的特征提取中加入全局或者局部特征但该模型 全面基于此等人 提出了基于深度信息的场景标注 的过于机器式识别导致语义分割结果中容易出现图像对象的 通过对彩色图和深度图提取特征并基于文献 来得到分割 丢失以及图像对象轮廓的缺失并影响最终语义分割结果的精 块再运用支持向量机学习得到分割块的语义信息 近年来 确度无法胜任进一步的图像