[发明专利]基于区域加权组合的不规则形式图像物体自动标注方法

权利要求书

1.一种基于区域加权组合的图像物体不规则形式自动标注方法，其特征在于，具体步骤如下：

步骤S1：以人工方式弱标记N幅图像数据，将其分为目标图像和非目标图像两类；

步骤S2：采用无监督过分割技术将N幅图像数据中的每一幅图像划分为若干个互斥的不规则区域，假设第i幅图像获得的不规则区域数量为m_i，i∈{1,2,…,N}；

步骤S3:对N幅图像密集地提取局部特征并聚类构造单词表，从而获得每一个不规则区域的词袋直方图特征向量,假设第i幅图像的第j个区域的特征向量记为x_ij，j∈{1,2,…,m_i}；

步骤S4：对N幅图像数据中的每幅图像中的每个过分割区域施加一个待优化的隐变量，并以区域加权组合的方式表示图像中物体的特征向量；

步骤S5：构造区域平滑正则项的数学表示，以保证得到的标注区域为连续区域；

步骤S6：选择一种分类模型，根据步骤S4中的以区域加权组合方式表示的特征向量和步骤S5中构造的区域平滑正则项的数学表示，构造目标函数；

步骤S7：在步骤S1弱标注的图像集上最优化步骤S5中的目标函数，得到模型参数和区域权重参数。

2.根据权利要求1所述的基于区域加权组合的图像物体不规则形式自动标注方法，其特征在于：所述步骤S1中，将含有目标的目标图像采用标签1表示；将不含目标的非目标图像采用标签0表示。

3.根据权利要求2所述的基于区域加权组合的图像物体不规则形式自动标注方法，其特征在于，所述步骤S4的具体步骤如下：

步骤S4.1：对第i幅图像的第j个区域施加隐变量0≤p_ij≤1且||p_i||₁＝1,共得到m_i个隐变量，并将其全部初始化为记为列向量

步骤S4.2：将第i幅图像的m_i个区域的特征向量排列记为矩阵即每一个区域的特征向量作为矩阵X_i矩阵的一列，构造该幅图像的区域加权组合表示X_ip_i；

步骤S4.3：对i从1到N重复步骤S4.1至S4.2，直至对所有图像完成区域加权组合表示。

4.根据权利要求3所述的基于区域加权组合的图像物体不规则形式自动标注方法，其特征在于，步骤S5的具体步骤如下：

步骤5.1：计算第i幅图像中的区域邻接矩阵W_i，对于其中每一对邻接的区域，W_i中对应的元素值为[0,1]之间的表示相似性的数值，否则为0，计算方式如公式(1)所示：

其中，σ为该图像中所有区域的特征向量之间的平方距离的平均值；j,k∈{1,2,…,m_i}为该图像内区域的索引值；

步骤5.2：计算对角矩阵E_i，其对角线元素值如公式(2)所示：

步骤5.3：计算拉普拉斯矩阵L_i如公式(3)所示：

L_i＝E_i-W_i (3)；

步骤5.4：构造区域平滑正则项将该区域平滑正则项以一定的比例系数λ加入目标函数用于保证相邻的区域拥有类似的权重参数。

5.根据权利要求4所述的基于区域加权组合的图像物体不规则形式自动标注方法，其特征在于，所述步骤S6的具体步骤如下：

采用线性分类模型，并以最小化平方和误差函数为目标，在区域组合和区域平滑表示方式下，构造其目标函数如公式(4)所示：

其中y_i∈{0,1}是第i幅图像的弱标记标签，N为图像的数量，w为线性分类模型参数，{p₁,p₂,…,p_N}为区域权重参数，λ为区域平滑正则项的比例系数，其中，w和{p₁,p₂,…,p_N}都是待优化求解的值。