圖像協(xié)同關聯(lián)性約束的研究與應用.pdf

1、目標間的協(xié)同關聯(lián)性約束研究是計算機視覺領域中的熱點問題之一。其主要指在單張圖像處理受到制約或瓶頸時,通過引入其他圖像或參考源,分析相互間關系,構建全局的關聯(lián)性約束,以此來輔助提升圖像處理的效果。但是現(xiàn)有的協(xié)同關聯(lián)性約束算法大多數(shù)集中于多張圖像之間的近似物體關聯(lián)約束,而且算法構造復雜、計算量大。在本論文中,我們將深入研究協(xié)同關聯(lián)性約束的核心思想,理解其構成形式。一方面,進一步挖掘多圖像間的關聯(lián)性約束,提高多張圖片間的的協(xié)同處理效果。另一方

2、面,我們還將借鑒協(xié)同關聯(lián)分割的思想,將其協(xié)同約束的思想拓展到單幅圖像的應用中,通過構建單張圖像不同區(qū)域間的關聯(lián),以及單圖像相關源間的關聯(lián),提高圖像的處理效果。本文的主要研究內(nèi)容包括:
　　1)多張圖像間的關聯(lián)性約束:我們通過聚類構建多張圖像之間的協(xié)同關聯(lián)性約束?；趫D像生物視覺顯著性原理和多圖像間目標關聯(lián)性約束,提出一種基于聚類方法的多圖片間的協(xié)同顯著性目標檢測算法。協(xié)同顯著性主要指多圖像中的重復出現(xiàn)的同一或近似的視覺顯著性物體。

3、我們的算法通過聚類構建多圖像之間的物體全局關聯(lián)結構,依據(jù)三種自底向上的協(xié)同顯著性測度,包括特征對比度、中心偏移度、以及圖間分布度,對圖像進行聚類級別的協(xié)同顯著性測量,最終將各測度結果進行融合,提取出多張圖片中的協(xié)同顯著性目標。我們的協(xié)同顯著性物體檢測算法避免了大量繁重的學習訓練過程,具有簡單高效的特點。該算法不僅在多張圖片的協(xié)同顯著性物體檢測中取得優(yōu)異結果,而且在單張圖片的視覺顯著性物體檢測中,也取得了良好的測試結果。此外,我們還深入挖

4、掘協(xié)同顯著性物體檢測算法的相關應用,提出四種典型應用:協(xié)同分割、魯棒的圖像測距、弱監(jiān)督學習、以及視頻前景提取等,進一步彰顯了協(xié)同顯著性檢測在圖像處理中的應用潛力。
　　2)單張圖像不同區(qū)域間的關聯(lián)性約束:我們挖掘單張圖像中物體自身的幾何結構約束,對圖像的不同區(qū)域間建立協(xié)同聯(lián)系。自然圖片中的物體往往滿足一定的幾何結構,這使得各個區(qū)域之間可以構建協(xié)同關聯(lián)性約束。我們利用物體自身的這種幾何結構約束,引入?yún)f(xié)同分割思想,提出一種圖像內(nèi)關聯(lián)區(qū)

5、域之間的幾何結構約束分割算法。為了反映不同區(qū)域之間的協(xié)同關聯(lián)性約束,我們首先利用物體自身的幾何結構約束建立一個像素級別的稠密幾何結構映射矩陣,該矩陣在描述前景物體的位置分布的同時,也反映了物體自身的幾何結構約束。然后我們將這種幾何結構矩陣引入到基于圖的能量函數(shù)模型中,提出新的基于幾何結構約束的圖分割模型,該模型滿足子模性,可以通過圖分割算法優(yōu)化求解。除此之外,我們還將該幾何結構約束模型拓展到基于組件的分割框架中,以滿足弱幾何約束、以及復

6、雜幾何約束的物體分割需求。實驗表明,這種不同區(qū)域之間的協(xié)同關聯(lián)性約束提供了一種高級別的圖像語義關聯(lián),相對于僅僅使用低級別特征的分割算法,我們的算法取得了更好的分割效果。
　　3)單圖像相關源間的關聯(lián)性約束:除了單張圖片不同區(qū)域間的關聯(lián)以外,我們還發(fā)現(xiàn),同圖片的不同處理源之間也可以協(xié)同關聯(lián)性約束。通過研究這些不同處理源之間的關聯(lián)性約束,建立單幅圖像與鏡頭畸變、以及單幅圖像與其不同操作處理層之間的協(xié)同關聯(lián)性,我們提出一種基于圖像畸變度

7、的廣角圖像偽造區(qū)域盲檢測分割算法。鏡頭的徑向幾何畸變在絕大多數(shù)圖像處理中通常被認為是需要消除的不良性質,但我們提出該幾何畸變反映了鏡頭的內(nèi)部結構屬性,而且對圖像提供一個全局的幾何約束。因此我們將這種鏡頭徑向幾何畸變性質作為度量指標,引入到圖像篡改盲檢測取證算法中。首先,提出了一種鏡頭徑向畸變映射模型,在該模型中,空間直線將在映射半球上投影成一個大切圓。其次,依據(jù)該幾何約束,設計了兩種底層測度用于獲取目標圖像的偽造取證分布圖,檢測圖像中偽