基于角度嵌入（Angular Embedding）机器学习方法的图像分割系统.DOC

基于角度嵌入（Angular Embedding）机器学习方法的图像分割系统设计与实现 章浩泽 指导教师 刘纯平 摘 要：图像的前景/背景组织结构提取以及图像分割是计算机视觉领域研究的一个重要的基础环节。本文基于Michael提出的利用图像低层视觉特征，引入角度嵌入方法将前景/背景组织结构提取和图像分割建立在一个统一的框架中的方法。首先建立实验平台，并在此基础上设计和实现算法，实现了边界概率计算、角度嵌入和基于层次分割的全局轮廓及其前景/背景提取等模块。其核心在于分割过程中图像分割结果与前景/背景选择的相互影响，逐渐优化最终的图像前景/背景和全局轮廓的提取。实验结果表明，该方法可以在充分考虑图像像素的近邻性和深度顺序的基础上，获得较好的图像分割结果和全局轮廓，为后续场景理解可视词典的建立打下了基础。 关键字：图像分割；图像前景/背景；角度嵌入 Abstract: Image segmentation and figure/ground organization are fundamental steps in visual perception. This paper is based on an algorithm designed by Michael that combines segmentation with figure/ground organization in a single grouping framework driven by low-level image cues. First, an experiment platform is been established. A algorithm is been designed to implement the function modules that compute the probability of boundary, solve angular embedding, extract the global contour based on hierarchical segmentation and figure/ground organization. The core of the algorithm is the mutual influence between segmentation and figure/ground organization which can gradually optimize the results. The results indicate that the approach can obtain good segmentation and figure/ground organization by considering the affinity between pixels and depth ordering with the goal of yielding a vocabulary of visual words. Key words: Image Segmentation; Figure/Ground organization; Angular Embedding 引 言 图像分割是数字图像处理中的关键技术之一。图像分割是将图像有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已经研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理领域研究的热点之一。 现有大多数自动图像分割方法在图像分割过程中仅仅利用图像的低层特征，忽略了图像的中层特征甚至高层语义特征。因此，所得到的图像分割仅仅是图像2D平面的一个划分，分割结果缺乏目标形状的概念或者深度信息，这对后期基于对象的目标检测和跟踪极为不利。为了更好的模拟人类视觉系统对图像信息抽取的方式，美国加州大学伯克利分校（University of California，Berkeley）Michael提出了将图像的前景/背景组织结构与低层特征相结合的的分割算法。项目进行中首先研究和分析了该算法，然后搭建实验平台测试算法，并对测试结果进行分析，基于该算法的研究将可进一步用于目标跟踪和检测，智能监控等方面。 角度嵌入（Angular Embedding）是一种比较新颖的处理图像像素的技术。将对图像像素的计算从实数平面引入复数平面。相比于传统的方法仅能在单一角度沿着某个方向计算像素之间的关系，角度嵌入能在多个指定的方向上进行计算，因此，更能体现出边缘像素的连续性。 本文第二部分介绍了Michael提出的算法；第三部分描述了