基于圖像分割的特征提取在零樣本學習中的應用.pdf

1、圖像作為重要的信息載體，在諸多領域中得到廣泛的應用。圖像中幾乎所有的信息都蘊含在底層特征中。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)分和聯系圖像的關鍵。零樣本學習中廣泛應用無監(jiān)督的圖像特征提取，使計算機成功地模擬了人類的認知習慣。以零樣本學習為應用背景，對提取的紋理特征存在維度高、無法兼顧全局特征和局部特征的問題以及提取的顏色特征忽略了顏色和空間之間關系的問題進行改進。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行卷積過程中，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，同時能夠充分提取圖像的細節(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雜，采用Bernsen算法獲取多個局部閾值對圖像進行二值化；最后，將二值化后的圖像用分水嶺算法進行分割。
　　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濾波器的參數設置尚沒有通用方法，為此提出一種Gabor濾波器參數設置的通用方法，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濾波器參數設置方法和LTW算法結合，計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用于零樣本學習中。
　　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系，采用基于梯度重構的分水嶺（Gradient Reconstruction-Based Watershed，GRW）算法對圖像進行分割；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習。
　　選用公開人臉數據集（Pubfig）、室外風景數據集（OSR）以及屬性發(fā)現數據庫-鞋類數據集（