基于上下文語義的圖像編輯.pdf

1、本文提出了一個(gè)基于上下文語義的圖像編輯算法，分析了圖像的上下文語義特征，并將其應(yīng)用到圖像編輯技術(shù)中。圖像語義是人們對(duì)圖像的直觀感受，包括人們對(duì)圖像中對(duì)象的理解和隱含的對(duì)象之間關(guān)聯(lián)的理解，它可以完整的描述圖像信息，極大的減少圖像編輯中細(xì)節(jié)的缺失，但是在圖像編輯方法中，傳統(tǒng)方法主要運(yùn)用顏色、紋理、形狀等基本特征，對(duì)語義特征的應(yīng)用則少之又少，其中主要難點(diǎn)在于圖像呈現(xiàn)的視覺表示和實(shí)體描述之間存在巨大的語義鴻溝，原因在于視覺表示很難和語義建立關(guān)聯(lián)

2、；另外，語義的定義本身存在很大的不確定性和多義性，很容易產(chǎn)生歧義。為了解決以上問題，本文從最底層次的輪廓特征進(jìn)行深入討論，提出了基于上下文語義的圖像編輯算法，它是由基于上下文語義的圖像表示ShapeNets和基于上下文語義的圖像拼接兩部分構(gòu)成。
　　ShapeNets是一個(gè)基于形狀的、結(jié)構(gòu)緊湊的、分層表示圖像結(jié)構(gòu)和對(duì)象輪廓外觀特征的圖像表示模型。在一個(gè)ShapeNets中，首先通過似物性采樣方法檢測(cè)圖像中包含的對(duì)象，用二次級(jí)聯(lián)的支

3、持向量機(jī)通過訓(xùn)練和打分篩選出最佳的包含窗口；使用經(jīng)典的基于Canny算子的輪廓提取算法提取窗口中對(duì)象的輪廓；通過自適應(yīng)粒度模型模糊描述對(duì)象之間的空間方向關(guān)系，并用一個(gè)代表性的節(jié)點(diǎn)對(duì)該輪廓進(jìn)行表示，ShapeNets是一個(gè)由粗到細(xì)的層次結(jié)構(gòu)，用戶在目標(biāo)圖像上搜索期望的形狀時(shí)，系統(tǒng)自動(dòng)查詢圖像庫發(fā)現(xiàn)語義兼容的候選地區(qū)。我們將該算法應(yīng)用于圖像匹配、圖像縮放、圖像分析和理解、行為理解等大量實(shí)驗(yàn)中，證明了該算法的可行性、高效性和實(shí)用性。
　

4、　基于上下文語義的圖像拼接算法是一個(gè)新穎的圖像拼接方案，它使用超像素分割圖像和顯著能量傳播合成圖像。在進(jìn)行超像素圖像分割時(shí)，采用了一個(gè)聚類目標(biāo)函數(shù)，它結(jié)合了熵率和平衡項(xiàng)，控制集群的緊湊度、均勻性、大小和超像素塊的個(gè)數(shù)實(shí)現(xiàn)圖像分割。之后，充分考慮背景復(fù)雜度對(duì)視覺注意的劇烈影響，利用依賴上下文的顯著模型計(jì)算圖像超像素的顯著度并對(duì)圖像進(jìn)行預(yù)處理。最終，在進(jìn)行區(qū)域拼接時(shí)，利用基于測(cè)地距離的顯著性能量全局傳播完成圖像的合成。實(shí)驗(yàn)結(jié)果表明本文提出的