CG圖像和相機(jī)圖像的檢測(cè)與分類(lèi)標(biāo)注.pdf

1、數(shù)字圖像的檢測(cè)分類(lèi)和內(nèi)容識(shí)別標(biāo)注是在確定圖像類(lèi)別的基礎(chǔ)上，對(duì)圖像的內(nèi)容進(jìn)行識(shí)別注釋。數(shù)字圖像有多種類(lèi)型，如相機(jī)圖像、CG圖像、手繪圖像等。隨著數(shù)碼相機(jī)的普及、圖像軟件的更新、渲染引擎的優(yōu)化，圖像的種類(lèi)來(lái)源越來(lái)越復(fù)雜，圖像的內(nèi)容也越來(lái)越豐富。因此對(duì)數(shù)字圖像進(jìn)行檢測(cè)分類(lèi)和內(nèi)容識(shí)別非常有必要。傳統(tǒng)的檢測(cè)分類(lèi)和內(nèi)容識(shí)別方法大都是對(duì)圖像進(jìn)行分割后針對(duì)每個(gè)分割塊進(jìn)行檢測(cè)和識(shí)別。這樣引入了圖像分割這個(gè)額外操作，同時(shí)圖像分割有可能把同一物體分為兩部分，

2、影響檢測(cè)和內(nèi)容標(biāo)注結(jié)果。
　　 本文采用了對(duì)圖像進(jìn)行多次循環(huán)處理進(jìn)行檢測(cè)分類(lèi)和內(nèi)容標(biāo)注。首先針對(duì)CG圖像和相機(jī)圖像的分類(lèi)，提出了提取邊緣過(guò)渡梯度、高飽和度顏色分布、圖像暗部噪聲分布、顏色過(guò)濾數(shù)組插值特性四個(gè)特征作為分類(lèi)特征；通過(guò)對(duì)訓(xùn)練圖像集提取這四個(gè)特征值組成特征向量集，并使用支持向量機(jī)進(jìn)行訓(xùn)練，得到分類(lèi)器；在檢測(cè)圖像階段，獲取待預(yù)測(cè)圖像的四個(gè)分類(lèi)特征，并使用支持向量機(jī)進(jìn)行分類(lèi)預(yù)測(cè)。然后對(duì)人物圖像進(jìn)行識(shí)別，使用基于Haar特征的

3、人眼檢測(cè)來(lái)給出人物圖像的判斷，包括Haar特征檢測(cè)、邊緣檢測(cè)、“U”型線生長(zhǎng)和優(yōu)化、擬合并給出位置。最后通過(guò)讀取配置文件，循環(huán)讀取之前的檢測(cè)結(jié)果，實(shí)現(xiàn)對(duì)圖像的標(biāo)注，并通過(guò)web服務(wù)器發(fā)布數(shù)字圖像的檢測(cè)分類(lèi)和內(nèi)容識(shí)別的web應(yīng)用。
　　 本文實(shí)現(xiàn)圖像的檢測(cè)分類(lèi)和內(nèi)容標(biāo)注沒(méi)有使用圖像分割操作，因此算法效率相對(duì)較高；使用類(lèi)似決策二叉樹(shù)的程序流程，可以方便程序的控制和進(jìn)一步的擴(kuò)展；在CG圖像和相機(jī)圖像的分類(lèi)過(guò)程中使用了基于圖像成像過(guò)程、