项目名称: 基于黎曼流形的彩色纹理结构张量图像分割方法研究

项目编号: No.61502432

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 计算机科学学科

项目作者: 杨勇

作者单位: 郑州大学

项目金额: 19万元

中文摘要: 彩色纹理图像不仅包含丰富的颜色信息(向量结构),而且包含具有统计性与规律性的纹理信息(在前期研究中,本项目所提取的多尺度结构张量具有黎曼流行张量结构),由于两者具有不同的特征结构,因此很难直接对其进行整体有机结合。从视觉识别机理的角度出发,这不仅丢失了颜色与纹理之间的有机整体性,而且丢失了内在相关性,且忽略了纹理特征所满足的张量结构。由于黎曼流行采用对称正定矩阵结构的曲线坐标系描述,若采用欧式空间计算,这不仅丢失了特征空间的精度与可靠性,同时丢失了纹理特征所蕴含的流行拓扑特性。基于此,本项目在充分考虑黎曼流行空间的情况下,致力于研究彩色纹理结构张量特征描述子的构建、测地线扩散滤波算法研究、任意形状窗口大小的自主计算、流行空间概率密度分布描述及优化等特定问题。加深与拓宽黎曼流行在彩色纹理图像分割领域的理论研究与实际应用,为其在图像区域标记、图像分析等计算机视觉领域提重要的理论参考与判别依据。

中文关键词: 区域分割;目标分割;主动轮廓模型;水平集

英文摘要: For color-texture image, it not only includes abundant color information(with vector structure),but also embodys proper texture information (based on the early research,the multi-scale struct tensor feature is meet with Reimannian manifold,and posses the tensor structure).Due to the structure difference between color and texture,therefore,the two different kinds of features are hard to integrate together directly.Besides,based on the vision recognition mechanism,if we tackle with color information and texture information dividually, this will neglecte the integration relationship and internal relationship between them, more importantly, the manifold attribute of texture information will be lost.As we are knowledge,the Reminanian manifold is a curve coordinate system with the positive definition matrix element,if we calculate the related statistic variables using Euclidean formulation, this will be produced some invalid results,except that,the texture with the Remainnian struct can not be saved as well.Based on these considerations,our program will be heavily focused on some researchs, such as constructe the color-texture tensor structure (descriptor),geodesic anisotropic diffusion filter,adaptively calculate the random shape windows size,describe the probability density function in Reimannian manifold,model the energy function,and adopt the graph cut for optimization,and so on.Meanwhile,we will deepen and broden the theory research and practical application about Reminanian manifold in computing vision field including region lable of image and image analysis,.etc,so that we can provided some valuable theory reference and discriminant basis.

英文关键词: region segmentation;object segmentation;active contour model;level set

成为VIP会员查看完整内容
0

相关内容

【TPAMI2022】双曲深度神经网络研究综述
专知会员服务
65+阅读 · 2021年12月29日
【NeurIPS 2021】流形上的注意力机制:规范等变的Transformer
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
20+阅读 · 2021年5月1日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
专知会员服务
49+阅读 · 2020年8月27日
专知会员服务
78+阅读 · 2020年8月4日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
深度学习在图像处理的应用一览
极市平台
17+阅读 · 2019年11月21日
基于深度学习的超分辨率图像技术一览
极市平台
17+阅读 · 2019年8月24日
最全综述 | 图像分割算法
极市平台
23+阅读 · 2019年6月23日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
超像素、语义分割、实例分割、全景分割 傻傻分不清?
计算机视觉life
19+阅读 · 2018年11月27日
什么是深度学习的卷积?
论智
18+阅读 · 2018年8月14日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
35+阅读 · 2020年1月2日
小贴士
相关VIP内容
【TPAMI2022】双曲深度神经网络研究综述
专知会员服务
65+阅读 · 2021年12月29日
【NeurIPS 2021】流形上的注意力机制:规范等变的Transformer
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
20+阅读 · 2021年5月1日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
专知会员服务
49+阅读 · 2020年8月27日
专知会员服务
78+阅读 · 2020年8月4日
相关资讯
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
深度学习在图像处理的应用一览
极市平台
17+阅读 · 2019年11月21日
基于深度学习的超分辨率图像技术一览
极市平台
17+阅读 · 2019年8月24日
最全综述 | 图像分割算法
极市平台
23+阅读 · 2019年6月23日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
超像素、语义分割、实例分割、全景分割 傻傻分不清?
计算机视觉life
19+阅读 · 2018年11月27日
什么是深度学习的卷积?
论智
18+阅读 · 2018年8月14日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员