科技创新导报
科技創新導報
과기창신도보
Science and Technology Innovation Herald
2015年
22期
96-99,102
,共5页
图像分割%夜景图像%图割
圖像分割%夜景圖像%圖割
도상분할%야경도상%도할
图像前景分割作为目标检测、图像融合的关键步骤,是当前图像处理与计算机视觉领域的研究热点。特别是在普通相机拍摄的夜景人像中,由于闪光的原因导致人像与背景的可视效果欠佳,分割算法存在极大挑战。为此,该文面向同步获取的闪光与非闪光图像,提出了一种基于人像检测和多源信息融合的人像分割方法。该算法首先采用梯度直方图特征(HistogramofGradient,HOG)作为表观描述,通过支撑向量机(SupportVectorMachine,SVM)实现夜景行人检测。在此基础上,根据两类图像的变化统计特征设计了代价函数,具体包括闪光图像变化分布、颜色信息,以及匹配变换估计信息等。最后利用图割方法(GraphCut,GC)实现代价函数最优求解,并以此为依据提取夜景人像。针对多组夜景人像的分割实验结果表明,该文方法减少了传统人像分割算法的交互过程,可以实现对夜景人像区域的自动提取。
圖像前景分割作為目標檢測、圖像融閤的關鍵步驟,是噹前圖像處理與計算機視覺領域的研究熱點。特彆是在普通相機拍攝的夜景人像中,由于閃光的原因導緻人像與揹景的可視效果欠佳,分割算法存在極大挑戰。為此,該文麵嚮同步穫取的閃光與非閃光圖像,提齣瞭一種基于人像檢測和多源信息融閤的人像分割方法。該算法首先採用梯度直方圖特徵(HistogramofGradient,HOG)作為錶觀描述,通過支撐嚮量機(SupportVectorMachine,SVM)實現夜景行人檢測。在此基礎上,根據兩類圖像的變化統計特徵設計瞭代價函數,具體包括閃光圖像變化分佈、顏色信息,以及匹配變換估計信息等。最後利用圖割方法(GraphCut,GC)實現代價函數最優求解,併以此為依據提取夜景人像。針對多組夜景人像的分割實驗結果錶明,該文方法減少瞭傳統人像分割算法的交互過程,可以實現對夜景人像區域的自動提取。
도상전경분할작위목표검측、도상융합적관건보취,시당전도상처리여계산궤시각영역적연구열점。특별시재보통상궤박섭적야경인상중,유우섬광적원인도치인상여배경적가시효과흠가,분할산법존재겁대도전。위차,해문면향동보획취적섬광여비섬광도상,제출료일충기우인상검측화다원신식융합적인상분할방법。해산법수선채용제도직방도특정(HistogramofGradient,HOG)작위표관묘술,통과지탱향량궤(SupportVectorMachine,SVM)실현야경행인검측。재차기출상,근거량류도상적변화통계특정설계료대개함수,구체포괄섬광도상변화분포、안색신식,이급필배변환고계신식등。최후이용도할방법(GraphCut,GC)실현대개함수최우구해,병이차위의거제취야경인상。침대다조야경인상적분할실험결과표명,해문방법감소료전통인상분할산법적교호과정,가이실현대야경인상구역적자동제취。