一種基于支持向量機(jī)的場(chǎng)景標(biāo)注方法

曹攀+董洪偉

摘要：針對(duì)復(fù)雜場(chǎng)景中難以標(biāo)注對(duì)象輪廓的問題，提出一種基于支持向量機(jī)的場(chǎng)景標(biāo)注方法。首先采用結(jié)構(gòu)森林法生成邊緣概率，再運(yùn)用分水嶺算法將邊緣概率轉(zhuǎn)化成初始圖像塊。為避免過分分割，減少訓(xùn)練開支，利用UCM算法并選取適當(dāng)?shù)拈撝堤岣邎D像塊對(duì)輪廓的精確度，最后通過支持向量機(jī)訓(xùn)練分割的圖像塊進(jìn)行場(chǎng)景標(biāo)注。實(shí)驗(yàn)表明，在處理復(fù)雜的戶外場(chǎng)景標(biāo)注時(shí)，基于支持向量機(jī)的場(chǎng)景標(biāo)注方法在像素精確度上表現(xiàn)良好，在對(duì)象輪廓上標(biāo)注效果較好。

關(guān)鍵詞：對(duì)象輪廓；分水嶺；支持向量機(jī)；場(chǎng)景標(biāo)注

DOIDOI：10.11907/rjdk.171167

中圖分類號(hào)：TP301

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2017）006-0015-04

0 引言

在計(jì)算機(jī)視覺領(lǐng)域，場(chǎng)景標(biāo)注[1]作為圖像分析的一個(gè)重要環(huán)節(jié)受到廣泛關(guān)注。場(chǎng)景標(biāo)注的主要任務(wù)是識(shí)別圖像中每個(gè)像素所屬類別。由于圖像常會(huì)受到不同光照強(qiáng)度、對(duì)象遮擋以及對(duì)象種類繁多和復(fù)雜的場(chǎng)景問題，導(dǎo)致像素標(biāo)注錯(cuò)誤，無法很好地標(biāo)注對(duì)象輪廓，最終導(dǎo)致場(chǎng)景標(biāo)注效果不理想。因此，如何有效提取圖像中對(duì)象的整體信息，描述圖像對(duì)象輪廓，一直都是值得研究的問題。

當(dāng)前的場(chǎng)景標(biāo)注方法是直接在圖像像素的基礎(chǔ)上訓(xùn)練模型，而單純?cè)谙袼厣嫌?xùn)練模型很難描述對(duì)象輪廓，從而使場(chǎng)景標(biāo)注難以獲得理想效果?；诖?，本文提出一種基于支持向量機(jī)的場(chǎng)景標(biāo)注方法SVM-SLM（Scene labeling method based on support vector machine），通過訓(xùn)練圖像塊，有效解決了基于圖像中對(duì)象輪廓的描述問題，在像素精確度上也有良好表現(xiàn)。

2 SVM-SLM方法描述

傳統(tǒng)的基于像素訓(xùn)練的場(chǎng)景標(biāo)注模型無法描述對(duì)象輪廓，會(huì)出現(xiàn)預(yù)測(cè)對(duì)象丟失和對(duì)象不完整的問題，從而影響像素精度。文獻(xiàn)[2]、[ 3]、[4]研究的場(chǎng)景標(biāo)注方法時(shí)間開銷過大，并且精確度不高。針對(duì)以上問題本文提出了SVM-SLM方法，具體步驟如下：①采用結(jié)構(gòu)森林方法[5]生成圖像的邊緣概率圖；②將上述生成的邊緣概率圖用分水嶺方法將圖像劃分為初始圖像塊；③為防止分水嶺方法過度分割并且減少接下來的訓(xùn)練開支，通過UCM算法選取閾值，優(yōu)化圖像塊；④對(duì)圖像塊提取特征，利用支持向量機(jī)訓(xùn)練圖像塊得到場(chǎng)景標(biāo)注結(jié)果，并實(shí)現(xiàn)具有良好精確度及輪廓效果的場(chǎng)景標(biāo)注方法。

3 生成圖像塊

邊緣檢測(cè)是計(jì)算機(jī)視覺系統(tǒng)中的一個(gè)重要環(huán)節(jié)，包括對(duì)象檢測(cè)[6]、目標(biāo)預(yù)測(cè)[7-8]以及場(chǎng)景分析[9]。邊緣形狀是目標(biāo)對(duì)象幾何形態(tài)描述的重要表現(xiàn)內(nèi)容，圖像中對(duì)象的輪廓往往來自于圖像的邊緣信息，所以有效提取圖像邊緣信息方法是關(guān)鍵。

傳統(tǒng)的水平集模型需把輪廓曲線演化的能量方程轉(zhuǎn)化為微分方程，進(jìn)而借助梯度下降法求得方程最優(yōu)解。這一過程不僅耗時(shí)，而且導(dǎo)致計(jì)算結(jié)果不穩(wěn)定?？紤]到一般圖像塊對(duì)圖像的局部特征表現(xiàn)效果很好，本文利用圖像塊對(duì)邊緣學(xué)習(xí)能力很強(qiáng)的特點(diǎn)，提出結(jié)構(gòu)森林[5]與分水嶺相結(jié)合的方法。首先利用結(jié)構(gòu)森林的學(xué)習(xí)方法建立隨機(jī)決策森林，學(xué)習(xí)每個(gè)像素的邊緣概率，生成邊緣概率圖，此過程不但解決了耗時(shí)問題還取得了良好的邊緣檢測(cè)效果；再將邊緣概率帶入分水嶺方法生成初始圖像塊，得到包含輪廓信息的初始圖像塊，效果如圖2所示（彩圖見封二）。圖2（a）和圖2（d）測(cè)試為圖像，圖2（b）和圖2（e）為對(duì)應(yīng)的邊緣概率圖，圖2（c）和圖2（f）為初始圖像塊。

4 訓(xùn)練SVM模型

傳統(tǒng)的像素訓(xùn)練無法保留圖像中對(duì)象的輪廓信息，訓(xùn)練時(shí)單純對(duì)像素提取特征，忽略了像素之間的局部空間信息，不能很好表達(dá)圖像中像素之間的區(qū)域結(jié)構(gòu)信息。本文通過對(duì)帶有對(duì)象輪廓信息的圖像塊進(jìn)行訓(xùn)練，在進(jìn)行語義標(biāo)注的同時(shí)保留了對(duì)象輪廓信息。

采用核描述、核匹配方法，通過2*2網(wǎng)格模型提取像素的紋理特征、顏色特征和梯度特征，對(duì)應(yīng)于同一圖像塊的像素特征加權(quán)合并為圖像塊特征。隨機(jī)提取10塊圖像塊生成特征圖，利用支持向量機(jī)算法對(duì)圖像塊進(jìn)行訓(xùn)練，如圖4所示。

5 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證方法的有效性，圖像數(shù)據(jù)集采用Stanford Background數(shù)據(jù)庫[11]，數(shù)據(jù)庫共715幅復(fù)雜的戶外場(chǎng)景圖片，每張圖像大小為320×240像素，附有標(biāo)注好的正確語義圖片。每個(gè)像素劃分為一類，共8個(gè)類別，總計(jì)5 491萬多像素標(biāo)記樣本，類別分別為天空、樹、馬路、草地、水、建筑物、山脈和前景對(duì)象。

實(shí)驗(yàn)隨機(jī)提取五組訓(xùn)練集和測(cè)試集依次帶入公共圖像塊閾值[0.1，0.2，0.3，0.4，0.5]進(jìn)行評(píng)估，每組訓(xùn)練集提取572個(gè)圖片，運(yùn)用本文方法分割成若干圖像塊，平均每組圖片被分割成5萬多塊圖像塊，運(yùn)用支持向量機(jī)對(duì)這些圖像塊進(jìn)行訓(xùn)練。用剩余143個(gè)圖片作為測(cè)試集，平均分割成1萬多個(gè)圖像塊進(jìn)行測(cè)試，并對(duì)每個(gè)像素進(jìn)行語義標(biāo)注。實(shí)驗(yàn)效果如圖5所示（彩圖見封二）。圖5（a）為部分測(cè)試圖像，圖5（b）為數(shù)據(jù)庫正確標(biāo)注圖像，圖5（c）為本文方法的場(chǎng)景標(biāo)注圖像，圖5（d）為標(biāo)注失準(zhǔn)圖，標(biāo)注錯(cuò)誤的像素呈黑色，正確的為白色。圖5下方8個(gè)色塊分別代表8個(gè)不同的類別。

利用結(jié)構(gòu)森林生成邊緣概率圖，將圖像邊緣作為對(duì)象輪廓候選區(qū)，提高了場(chǎng)景標(biāo)注對(duì)對(duì)象輪廓的標(biāo)注能力。再通過UCM算法優(yōu)化圖像塊，最終場(chǎng)景標(biāo)注結(jié)果如圖6所示。圖6表明，本文方法在人物、車輛、動(dòng)物等重要的前景對(duì)象輪廓細(xì)節(jié)上有較好的描述。

6 結(jié)語

場(chǎng)景標(biāo)注是計(jì)算機(jī)視覺技術(shù)的關(guān)鍵步驟。針對(duì)像素訓(xùn)練模型容易忽略圖像空間結(jié)構(gòu)信息，無法描述對(duì)象輪廓的問題，提出一種基于支持向量機(jī)的場(chǎng)景標(biāo)注方法。通過結(jié)構(gòu)森林/UCM生成圖像塊，構(gòu)建支持向量機(jī)模型，訓(xùn)練得到場(chǎng)景標(biāo)注結(jié)果。實(shí)驗(yàn)表明該方法較好地描述了圖像中的對(duì)象輪廓，獲得了良好的精確度和標(biāo)注效果。但是，由于特征描述采用核描述提取特征，對(duì)部分圖像塊不能有效提取特征，導(dǎo)致部分圖像塊標(biāo)注不正確，影響了總體精確度。下一步的工作目標(biāo)是提高有效特征的提取，以獲取更高的精確度及場(chǎng)景標(biāo)注效果。