基于圖像分割的特征提取在零樣本學(xué)習(xí)中的應(yīng)用.pdf

1、圖像作為重要的信息載體，在諸多領(lǐng)域中得到廣泛的應(yīng)用。圖像中幾乎所有的信息都蘊(yùn)含在底層特征中。特征提取是圖像處理中的重要階段，能否充分提取出圖像的底層特征成為區(qū)分和聯(lián)系圖像的關(guān)鍵。零樣本學(xué)習(xí)中廣泛應(yīng)用無(wú)監(jiān)督的圖像特征提取，使計(jì)算機(jī)成功地模擬了人類的認(rèn)知習(xí)慣。以零樣本學(xué)習(xí)為應(yīng)用背景，對(duì)提取的紋理特征存在維度高、無(wú)法兼顧全局特征和局部特征的問(wèn)題以及提取的顏色特征忽略了顏色和空間之間關(guān)系的問(wèn)題進(jìn)行改進(jìn)。主要研究工作為：
　　提出一種基于局

2、部閾值的分水嶺（Local Threshold-BasedWatershed，LTW）算法，為解決 Gabor濾波器模板和圖像進(jìn)行卷積過(guò)程中，固定窗口采樣和均勻采樣靈活性的缺失和區(qū)域信息的不完整，同時(shí)能夠充分提取圖像的細(xì)節(jié)特征，首先，采用Sobel算子提取圖像輪廓；然后，由于待分割圖像較復(fù)雜，采用Bernsen算法獲取多個(gè)局部閾值對(duì)圖像進(jìn)行二值化；最后，將二值化后的圖像用分水嶺算法進(jìn)行分割。
　　提出一種基于LTW的Gabor紋理

3、特征提?。↙TW-based Gabor，LTW-Gabor）算法。首先，Gabor濾波器的參數(shù)設(shè)置尚沒(méi)有通用方法，為此提出一種Gabor濾波器參數(shù)設(shè)置的通用方法，提取分割后圖像塊的整體特征作為整幅圖像的局部特征；然后，將通用的Gabor濾波器參數(shù)設(shè)置方法和LTW算法結(jié)合，計(jì)算總體紋理的均值和方差作為最終的紋理特征，該算法可顯著降低紋理特征的維度；最后，將提取到的圖像紋理特征應(yīng)用于零樣本學(xué)習(xí)中。
　　提出一種基于GRW-Lch的顏

4、色特征提取算法。首先，鑒于顏色直方圖忽略了顏色和空間之間的關(guān)系，采用基于梯度重構(gòu)的分水嶺（Gradient Reconstruction-Based Watershed，GRW）算法對(duì)圖像進(jìn)行分割；然后，利用局部顏色直方圖（Lch）的思想，在分割后的圖像塊上利用顏色直方圖進(jìn)行顏色特征的提??；最后，將提取出的圖像顏色特征用于零樣本學(xué)習(xí)。
　　選用公開(kāi)人臉數(shù)據(jù)集（Pubfig）、室外風(fēng)景數(shù)據(jù)集（OSR）以及屬性發(fā)現(xiàn)數(shù)據(jù)庫(kù)-鞋類數(shù)據(jù)集（