基于三维上下文的图像几何分割方法

计算机与现代化 ›› 2014, Vol. 0 ›› Issue (4): 38-40.

基于三维上下文的图像几何分割方法

河海大学计算机与信息学院，江苏南京211100

收稿日期:2013-12-09 出版日期:2014-04-17 发布日期:2014-04-23
作者简介:作者简介：陈肖（1988），男，辽宁彰武人，河海大学计算机与信息学院硕士研究生，研究方向：计算机视觉，模式识别；王敏（1978），女，副教授，硕士生导师，博士，研究方向：机器学习，神经网络，计算机视觉；陶铭洋（1987），男，硕士研究生，研究方向：图像处理，机器学习。

Image Geometric Segmentation Method Based on 3D Context

School of Computer and Information, Hohai University, Nanjing 211100, China

Received:2013-12-09 Online:2014-04-17 Published:2014-04-23

摘要/Abstract

摘要：

摘要：图像分割是计算机视觉中最基本的前期准备工作，也是由图像处理到图像分析的关键步骤。传统图像分割方法得到的结果往往是不具有几何意义的独立区域，而现有的几何分割方法分割准确率较低。本文提出一种基于三维上下文的场景图像几何分割算法，将场景图像的三维上下文信息成功应用到图像的几何分割中。实验表明，利用这种方法对图像进行几何分割具有较高的准确率。



关键词: , 图像分割, 几何分割, 三维上下文

Abstract:

Abstract: Image segmentation is the most basic preparatory work in computer vision, and it is the key step from image processing to image analysis. The result of image segmentation is always separate areas without geometric meaning, and the accuracies of existing methods of geometry segmentation are not very high. In this paper, an image geometric segmentation method is proposed and 3D context information is successfully applied to geometric segmentation of scene images. Experiments show that this method can do geometric segmentation with higher accuracy.



Key words:

Key words: image segmentation, geometric segmentation, 3D context

中图分类号:

TP391.4

陈肖，王敏，陶铭洋. 基于三维上下文的图像几何分割方法[J]. 计算机与现代化, 2014, 0(4): 38-40.

CHEN Xiao, WANG Min， TAO Mingyang. Image Geometric Segmentation Method Based on 3D Context[J]. Computer and Modernization, 2014, 0(4): 38-40.

参考文献

［1］

Schneiderman H. Learning a restricted Bayesian network for object detection［C］// Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2004,2:639646. 

［2］ Viola P, Jones M J. Robust realtime face detection［J］. International Journal of Computer Vision, 2004,57(2):137154.

［3］ Torralba A. Contextual priming for object detection［J］. International Journal of Computer Vision, 2003,53(2):169191.

［4］ Torralba A, Murphy K P, Freeman W T. Contextual models for object detection using boosted random fields［C］// Advances in Neural Information Processing Systems(NIPS). 2004.

［5］ Bose B, Grimson E. Improving object classification in farfield video［C］// Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2004:181188.

［6］ Carbonetto P, de Freitas N, Barnard K. A statistical model for general contextual object recognition［C］// Computer VisionECCV 2004. Springer, 2004:350362.

［7］ Kumar S, Hebert M. Discriminative random fields［J］. International Journal of Computer Vision, 2006,68(2):179201.

［8］ Felzenszwalb P F, Huttenlocher D P. Efficient graphbased image segmentation［J］. International Journal of Computer Vision, 2004,59(2):167181.

［9］ Leung T, Malik J. Representing and recognizing the visual appearance of materials using threedimensional textons［J］. International Journal of Computer Vision, 2001,43(1):2944.〖ZK）〗

［10］ Koecká J, Zhang W. Video compass［C］// Computer Vision—ECCV 2002. Springer, 2002:476490.

［11］Hoiem D, Efros A A, Hebert M. Recovering surface layout from an image［J］. International Journal of Computer Vision, 2007,75(1):151172.

［12］Gould S, Fulton R, Koller D. Decomposing a scene into geometric and semantically consistent regions［C］// IEEE 12th International Conference on Computer Vision. 2009:18.

[1]	赵晨阳, 薛涛, 刘俊华. 基于改进Stable Diffusion的时尚服饰图案生成[J]. 计算机与现代化, 2024, 0(12): 15-23.
[2]	万兵1, 2, 3, 赵文涛4, 潘多涛1, 赵峥韬2, 3, 孙朝阳2, 3, 俞建成2, 3. 无人帆船半物理仿真测试系统设计[J]. 计算机与现代化, 2024, 0(12): 91-99.
[3]	陈宇航1, 杨勇1, 帕力旦·吐尔逊1, 樊小超1, 任鸽1, 刁宇峰2. 融合句法特征与语义特征的作文自动评分方法[J]. 计算机与现代化, 2024, 0(11): 64-69.
[4]	万鸿炜, 陈平华. 基于Involution算子和协调反向注意力的息肉图像分割[J]. 计算机与现代化, 2024, 0(11): 84-90.
[5]	黄文栋, 王怡凡. 基于模态类别的多模态信息处理与融合综述[J]. 计算机与现代化, 2024, 0(07): 47-62.
[6]	赵文博1, 向东1, 王玖斌2, 邓岳辉3, 张伟1, 康倩1, 李玉洁1. 基于改进黏菌算法与Tsallis熵的电力设备红外图像分割[J]. 计算机与现代化, 2024, 0(06): 70-75.
[7]	朱纷, 何立风, 孙爽, 张梦颖, 于佳佳. 基于形变残差和级联编码的胰腺分割模型[J]. 计算机与现代化, 2024, 0(06): 83-88.
[8]	张子旭, 李嘉莹, 栾鹏鹏, 彭圆圆. 基于注意力机制的U-Net眼底图像分割算法[J]. 计算机与现代化, 2024, 0(05): 110-114.
[9]	张伯泉, 麦海鹏, 陈嘉敏, 逄锦聚. 基于高灰度值注意力机制的脑白质高信号分割[J]. 计算机与现代化, 2023, 0(12): 67-75.
[10]	王娟, 李传庚, 张卿源, 夏承遗. 基于Multiscale-Net的膝关节半月板分割方法[J]. 计算机与现代化, 2023, 0(05): 111-116.
[11]	刘辉, 邹锋, 陈得宝, 籍旭颖, 张妍. 基于改进MOJAYA/D算法的图像分割[J]. 计算机与现代化, 2023, 0(04): 62-72.
[12]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[13]	王淑平, 李敏, 杜敏, 罗建伟. 基于改进探路者算法的多阈值图像分割[J]. 计算机与现代化, 2022, 0(01): 61-69.
[14]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[15]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.