[发明专利]基于图模型结构学习的图像分割方法在审
| 申请号： | 201711445644.1 | 申请日： | 2017-12-27 |
| 公开（公告）号： | CN108198187A | 公开（公告）日： | 2018-06-22 |
| 发明（设计）人： | 杨关;赵哲;强赞霞;李晓揇;郑彬彬;秦淑婧 | 申请（专利权）人： | 中原工学院 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T7/40;G06T7/48 |
| 代理公司： | 无锡市汇诚永信专利代理事务所(普通合伙) 32260 | 代理人： | 张欢勇 |
| 地址： | 450000 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 目标函数 图模型 构建 分割结果 图像分割 优化 图像 图像分割结果 输出 获取图像 模型构建 特征参数 图像观察 像素分割 像素区域 优化参数 势函数 图结构 联合 点势 学习 分割 机场 | ||
1.基于图模型结构学习的图像分割方法，其特征在于：包括以下步骤，1)对图像进行过分割，获取图像的超像素分割结果；2)以图像的超像素区域作为图模型的节点，利用泛Ising模型构建图模型联合分布；3)构建目标函数，利用Barzilai-Borwein soft-threshold方法对目标函数进行优化，利用得到的优化参数构建图结构；4)以图像观察值为条件，定义点势函数和边势函数，并构建条件随机场的联合分布；5)利用联合分布，构建目标函数并学习特征参数，对目标函数进行优化，并输出分割结果，对目标函数进行优化，并输出分割结果。
2.根据权利要求1所述的基于图模型结构学习的图像分割方法，其特征在于：步骤1)中，超像素分割是指将图像分成很多具有相似特征的均质区域。
3.根据权利要求1所述的基于图模型结构学习的图像分割方法，其特征在于：步骤3)中，目标函数是由负对数似然函数和正则化项组成。
4.根据权利要求3所述的基于图模型结构学习的图像分割方法，其特征在于：利用得到的优化参数构建图结构是指，在图中，若一条边所对应的的一组参数均为零，则该条边被移除。
5.根据权利要求1所述的基于图模型结构学习的图像分割方法，其特征在于：步骤5)中，学习特征参数是指利用L1正则化项将一些描述性较差的特征参数惩罚为零，并将其对应的的参数移除。
6.根据权利要求1所述的基于图模型结构学习的图像分割方法，其特征在于：步骤5)中，给每个超像素区域分配一个标签，以完成图像分割。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中原工学院，未经中原工学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201711445644.1/1.html，转载请声明来源钻瓜专利网。
