[发明专利]一种基于玻尔兹曼和目标先验知识的图像分割识别方法

摘要

本发明公开了一种基于玻尔兹曼和目标先验知识的协同分割识别方法。该方法通过对目标的形状和外观知识进行建模、学习和表达，基于玻尔兹曼机建立了分割模型与识别模型之间的双向通路。不同于以往的同时分割与识别模型，该方法模拟了人脑的视觉认知机制，分割任务与识别任务是以交互与协同的方式逐步完成的。同时，该方法有效学习和利用了目标的先验知识和信息，使得分割结果既能符合实际图像数据，又能与目标的先验知识一致。

主权项

1.一种基于玻尔兹曼机和目标先验知识的图像分割识别方法，其特征在于，该方法包括如下步骤：步骤1：基于包括L中不同类别的目标三元组数据{目标图像I_i，目标形状m_i，目标类别标签y_i}，其中i＝1,…,N为样本编号，m_i∈{0,1}^H×W，H,W,C分别为图像I_i的长、宽和通道数，使用玻尔兹曼机建立目标先验知识模型，用于学习、提取每个目标形状m_i和标签y_i的联合特征{h^j}_{j＝1,2,…,M}，其中M为玻尔兹曼机隐藏层层数，{h^j}为各个隐层单元的集合；同时在玻尔兹曼机的标签层z∈[0,1]^L中基于这些特征，学习对形状的识别；步骤2：对各图像像素点进行特征提取，并使用分类模型建立外观表达模型，以表达目标的外观；步骤3：对于待分割识别的图像其中有且仅有一个目标，利用基于图像数据的能量函数E(q,t)＝_data(I,q)对I进行初步分割，按照能量最优的原则，分割得到初始的结果q∈[0,1]^H×W，像素点位置x的值q(x)表征该像素属于目标的概率；步骤4：使用玻尔兹曼机对初始的结果q进行特征提取和识别，获得其目标形状特征{h^l}，识别目标类别标签t；步骤5：基于目标特征{h^j}和目标类别标签t，玻尔兹曼机将表达目标的参考形状同时，基于目标类别标签t，外观表达模型将表达目标的参考外观步骤6：基于参考形状和参考外观更新步骤3中的能量函数如下：E(q,t)＝×E_data(q)+×E_shape(q,t)+(1‑‑β)×E_appearance(q,t)其中，E_shape(q,t)为参考形状和当前分割结果q的损失函数，E_appearance(q,t)为参考外观和当前分割结果q的损失函数，α、β均为权重；步骤7：重复步骤3～6，直到q收敛或达到最大迭代次数，输出分割的目标q与识别的目标类别标签t。