[发明专利]一种自然场景图像的自动标注方法

摘要

本发明公开了一种自然场景图像的自动标注方法，属于计算机视觉领域。该方法包括如下步骤：提取图像特征；采用无监督算法分割原图像产生超像素图；通过CRF建模像素标注模型并在模型中嵌入显著性先验信息；求解模型实现像素标注。本发明采用CRF作为基本模型，在CRF模型中引入显著性检测先验信息，通过显著性检测实现前景目标与背景的分离并在前景目标区域构建超像素间全连接关联关系。由于引入了显著性检测先验信息，有效提高了图像中前景目标的分类精度，于此同时，前景区域和背景区域的分离有效解决了前景与背景的分类“串扰”问题。因而，本方法可有效地提高像素标注的整体分类精度，针对前景目标轮廓相对复杂、各子区域间颜色纹理差异较大的场景效果显著。

主权项

1.一种自然场景图像的自动标注方法，其特征在于，包括如下步骤：步骤1，提取图像特征；步骤2，采用无监督算法分割原图像产生超像素图；步骤3，通过CRF建模像素标注模型并在模型中嵌入显著性先验信息；步骤4，求解模型实现像素标注；其中，所述步骤3中，在模型中嵌入显著性先验信息包括以下步骤：①通过显著性检测算法计算图像像素显著性映射，并基于显著性映射采用阈值法分割出前景区域和背景区域；②在前景区域以超像素为基本分类单元，并采用前景区域超像素类别分布和超像素内像素平均分布的加权和作为前景区域超像素类别分布；③构建前景区域超像素间全连接关联关系，通过任意两个超像素间颜色直方图和位置特征的高斯核线性组合建模超像素间相似性，具体形式为：其中i,j为超像素索引，hi,hj为超像素颜色直方图，pi,pj为超像素中心位置在图像中的位置，θ1,θ2为高斯核参数，w1,w2为高斯核线性组合系数，[ci≠cj]为指示函数，其具体形式为：其中ci,cj分别为超像素i,j的类别标记；④前景区域分别采用步骤②和③建模超像素一阶势能和二阶势能，并结合背景区域单像素一阶势能，二阶平滑项及高阶势能构建CRF分类模型。