本发明公开了一种基于条件随机场(CRF)和二次字典学习的图像场景标注方法。该方法主要包括以下步骤:
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(SVM)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。
通过上述步骤,本发明提高了图像场景标注的精度。
| 专利名称 | 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 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201610158608.6 |
| 申请号 | - | 专利申请日期 | 2016-03-18 |
| 专利授权日期 | 2016-08-10 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 刘天亮;徐高帮;戴修斌;罗杰波 | ||
| 权利人 | - | ||
| 专利摘要 | 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。 | ||