一种用于增强图像标记效果的多尺度级联层次模型方法
【技术领域】
[0001] 本发明属于计算机视觉方法领域，设及一种用于增强图像标记效果的多尺度级联 层次模型方法
【背景技术】
[0002] 图像标记的任务是将图像中每个像素标记到它所属的标记类别（1油eling each pixel in an image with its semantic categoiT)，它是场景理解的重要步骤和基础，在 计算机视觉领域有着重要的作用。在过去的研究中，很多有效的标记方法被提出来，例如模 版匹配、关联法、特征包方法、形状模型、标记迁移方法等。该些方法考虑使用固定尺度的输 入图像W及对输入图像上固定尺度的对象类别，并且从一些固定尺寸的训练数据中为每种 标记类别训练出具有识别能力的模型。在解析层次上，该些系统利用像素点、窗口、边缘或 者其他的图像表征形成的学习或者匹配的模型，为固定尺度的图像或者对象进行标记。
[0003] 一定的尺度可W精确的反映出需要被表示的物体，现实世界中的物体总是通过不 同尺度的观察而得到不同变化。尺度空间理论属于计算机视觉中图像多分辨率分析。从图 像表现力的角度来说，例如在金字塔尺度模型、高斯尺度模型该些经典的尺度模型中，不同 尺度的对象有着不同的表现力，某种尺度下无法发现的特性在另一种尺度下可能很容易被 发现。
[0004] 现有技术中利用固定尺度进行图像标记，得到的标记结果准确率不高。
【发明内容】
[0005] 本发明针对现有技术中对图像标记结果准确率不高的问题，提出一种用于增强图 像标记效果的多尺度级联层次模型方法，利用图像不同的尺度具有不同的表现力的特性W 及模型运行的收敛迭代算法来增强单层图像标记效果，计算结构简单，收敛性较好。
[0006] 一种用于增强图像标记效果的多尺度级联层次模型方法，包括W下步骤：
[0007] 步骤1;对待标记图像建立尺度空间乂，并初始化初始尺寸图像Xi的标记质量矩 阵ei;
[000引 乂 = 义2，...，义,），公1=0
[0009] 其中，X康示尺度空间中第i层图像，i G (l，2，...，t)，t表示尺度空间中图像 总层数，/ P为待标记图像的分辨率，C表示图像标记类别的数目； C
[0010] 步骤2;利用所选的图像标记方法Q狂，L| 0)对尺度空间中第1层图像进行标 记，W得到标记质量矩阵，更新e1;
[0011] 其中，X表示待标记图像，L表示标记类型空间，L= 111, I2,…，1J ; 0表示所选的 图像标记方法的标记参数；
[0012] 步骤3;使用图像标记方法Q狂，L| 0)依次对尺度空间中其余层图像进行标 记，得到尺度空间中每层图像的标记结果Y，Y=巧，K^，...，K)和标记质量矩阵空间f， ￡=(公I，公:，.…6',);
[0013] 其中，Yi和e i分别表示尺度空间中第i层图像的标记结果矩阵和标记质量矩阵， iG(1，2,. . .，t);
[0014] 每层图像所使用的标记参数0i受第1层图像的标记质量矩阵e1影响，按W下公 式确定：
[00巧]日J= W(e1，j)，j G (2,3，...，t)
[0016] 其中，W(?，j)依据所选图像标记方法确定；
[0017]其他层的标记方法使用的标记分类阔值TW原图像的标记质量矩阵e1做参考， 参考形式为T= At。，其中t。为初始阔值，A为紧缩参数，并且A OC e1;
[0018] 步骤4;将第2层图像到第t层图像的标记结果矩阵放大到初始尺寸图像大小，得 到还原标记结果矩阵Y/和还原标记质量矩阵e/，jG(2, 3,. . .，t);
[0019] 步骤5 ;将第1层图像中每个像素点的标记质量跟其他层的还原标记质量进行比 较，选出最优的标记结果更新到初始尺寸图像的标记结果矩阵中，得到新的第1层图像的 标记质量矩阵e/，并将e/赋值给El;
[0020]步骤6;判断第1层图像的标记质量矩阵e1是否发生变化，若发生变化，则返回步 骤3We1修改每层的标记参数，继续对图像进行标记，直至第1层图像的标记质量矩阵不 再发生变化时，输出标记结果，完成对图像的标记。
[0021] 所述图像建立尺度空间的方法包括高斯金字塔、拉普拉斯金字塔或简单抽样。
[0022] 所述步骤4中还原标记结果矩阵Y/和还原标记质量矩阵￡/采用上采样方法 获得：
[0023] 标记结果矩阵上采样过程为：
[0024] Y/ = r (Yj，j-1)，j G (2, 3, . . .，t)
[0025] 标记质量矩阵上采样过程为：
[0026] e/ = H(￡j'，j-1)，j G (2,3，...，t)
[0027] 其中，r (Yj.，j-1)将标记结果矩阵进行j-1次上采样得到和初始尺寸图像相同尺 寸的标记结果矩阵；
[002引 H(eJ，j-1)将标记质量矩阵进行j-1次上采样得到和初始尺寸图像相同尺寸的 标记质量矩阵。
[0029] 所述步骤5中将其它层中最优的标记结果更新到初始尺寸图像的标记结果时，首 先对标记质量矩阵进行归一化处理，然后从归一化处理后的所有标记质量矩阵RE中选取 每个像素点最优的标记结果；
[0030] 归一化处理公式如下：
[0031]RE=巧-min巧））/(max巧）-min巧））
[003引其中，E= (e。￡2'，...，e/ )。
[0033] 所述图像标记方法包括K順标记算法或SVM分类算法；
[0034] 所述图像标记方法中的标记参数指K順标记算法中的聚类阔值或SVM分类算法中 的分类距离。
[00对有益效果
[0036] 本发明提供了一种用于增强图像标记效果的多尺度级联层次模型方法，该模型的 自下而上是一种标记调解过程，从上至下是一种标记结果反馈过程。在对第一层图像进行 标记之后，得到的能量矩阵e1和其他层所在的层次影响该层标记过程中所需要用到的参 数，进而得到除第一层外的其他层的标记Y和能量矩阵寺。在反馈过程中，第一层图像中每 个像素点的能量值会跟其他层对应点的能量进行比较，取由较小能量值表征的标记作为像 素的标记类别，进而优化第一层的标记结果。如果只进行一次影响一反馈过程，在通常情况 下还不能达到尺度空间条件下标记的最优解，因此，本发明利用迭代的过程达到或者接近 尺度空间条件下标记的最优解。
[0037] 该方法利用了不同语义范畴的事物在同一张图片中不同尺度的表现力不同，去增 强现有的标记算法，有良好的收敛性，具有一定的普适性，能有效地提高标记准确率。
【附图说明】
[003引图1为本发明所述的用于增强图像标记效果的多尺度级联层次模型方法的流程 图；
[0039]图2为多尺度级联层次模型示意图；
[0040] 图3为金字塔方法构建的图像尺度空间示意图，其中，（a)为原图，化）为第2层， (C)为第3层，（d)为第4层，（e)第5层；
[004U图4为尺度空间各层的标记结果类别示意图，其中，（a)为第1层，（b)为第2层， (C)为第3层，（d)为第4层，（e)第5层；
[0042] 图5为标记结果的矩阵质量可视化示意图，其中，（a)为第1层，化）为第2层，（C) 为第3层，（d)为第4层，（e)第5层；
[0043] 图6为多尺度模型下脚W方法进行标记的最终结果，其中，（a)为标记结果类别示 意图，化）为标记结果的质量矩阵可视化示意图。
【具体实施方式】
[0044] 下面将结合附图和实施例对本发明作进一步的说明。
[0045] 一种用于增强图像标记效果的多尺度级联层次模型方法，包括W下步骤：
[0046] 步骤1 ;对待标记图像建立尺度空间X，并初始化初始尺寸图像Xi的标记质量矩 阵e1;
[0047] X = (Xi，X2，...，jg，及1=0
[0048] 其中，Xi表示尺度空间中第i层图像，iG(l，2，...，t)，t表示尺度空间中图像 总层数，P为待标记图像的分辨率，C表示图像标记类别的数目； C
[0049] 所述图像建立尺度空间的方法包括高斯金字塔、拉普拉斯金字塔或简单抽样；
[0050] 如图3中（a)所示的分辨率为1280*960的图像，它的标记空间大小为7,即7个类 别的标记，根据上述两个数据设置t= 5，即5层的尺度空间，利用图像金字塔方法建立尺度 空间：
[005U 义=(义1，义 2，...，义,1 打)，
[0化2] 0为缩放过程中采用的高斯卷积核，将原始尺寸图像的标记质量矩阵设定为 最差情况，即e1= 0,此时每个点的标记质量都为0,既最小的极限值。
[0化3] 从第一层到第五层，依次如图3中的（a)-(e)所示，其中，为了方便观察，（b)-(e) 均还原到了原图的尺寸；
[0化4] 步骤2;利用所选的图像标记方法Q狂，L| 0)对尺度空间中第1层图像进行标 记，W得到标记质量矩阵，更新e1;
[0055] 其中，X表示待标记图像，L表示标记类型空间，L= 111,I