项目名称: 图像中复杂形变物体的外轮廓搜索方法研究

项目编号: No.61305051

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 苏远歧

作者单位: 西安交通大学

项目金额: 25万元

中文摘要: 物体形状的复杂变化是精确自动分割面临的主要困难之一,本项目将利用物体的外形特征,通过求解复杂形变物体的外轮廓,解决物体的精确分割问题。当把物体外形的所有变化定义为一个形状空间,物体外轮廓的解析过程就转化为一个形状搜索问题,在形状空间中定位与给定图像最匹配的形状。形状空间结构的复杂性、物体外观的变化及背景噪声的影响都极易使搜索过程陷入局部最小。因此,本项目从形状空间的表示与搜索过程的设计两方面入手,提出融合物体形状先验与图像底层特征的物体外轮廓解析方法。主要特色与创新点在于:(1)提出聚类与部件模型结合的方式,解决了复杂形状变化和部分缺失下的形状表示;(2)通过物体的局部匹配估计外形的局部近似,渐进缩减物体外形子空间,实现复杂形变物体外轮廓的精确搜索。

中文关键词: 形状匹配;轮廓片段;物体检测;物体分割;层次模型

英文摘要: Object segmentation is important for computer vision and image understanding. It is challenging and yet unsolved mainly for the complex deformation in object's geometric structure. The proposal studies the deformation for the outline resolving. It defines the outlines coming from the same class as a shape space; and the resolving procedure is then reduced to search for a point in the space such that it explains the test image. However, because of the complex structure of the shape space, plus the noise led by background and the variaty in appearance, the searching process is easily trapped into local minimum. To get rid of it, the proposal conducts the research on shape representation and its matching, and proposes to search for the outline through a procedure integrating both the prior and bottom-up information. Main contributions of the proposal include: (1) proposes a way combining the shape clustering and part-based model for outline representation, (2) designs an algorithm that gradually shrinks the subspace containing the outline through the matching of local features.

英文关键词: Contour fragments;Shape matching;Object detection;Object segmentation;Hierarchical model

成为VIP会员查看完整内容
0

相关内容

医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
【AAAI2022】基于属性的渐进融合网络的RGBT跟踪
专知会员服务
20+阅读 · 2022年1月8日
专知会员服务
10+阅读 · 2021年10月3日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
43+阅读 · 2020年12月8日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年11月13日
[CVPR 2020]BEDSR-Net:单张文档图像的阴影去除深度网络
专知会员服务
25+阅读 · 2020年9月29日
学习抓取柔性物体
TensorFlow
3+阅读 · 2021年7月5日
ICCV2019 | 高精度,高效率点云三维重建 PointMVSNet
计算机视觉life
23+阅读 · 2019年9月5日
最全综述 | 图像目标检测
计算机视觉life
31+阅读 · 2019年6月24日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2013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
3+阅读 · 2012年12月31日
国家自然科学基金
2+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 · 2009年12月31日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
19+阅读 · 2018年5月17日
Arxiv
17+阅读 · 2018年4月2日
小贴士
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
【AAAI2022】基于属性的渐进融合网络的RGBT跟踪
专知会员服务
20+阅读 · 2022年1月8日
专知会员服务
10+阅读 · 2021年10月3日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
43+阅读 · 2020年12月8日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年11月13日
[CVPR 2020]BEDSR-Net:单张文档图像的阴影去除深度网络
专知会员服务
25+阅读 · 2020年9月29日
相关资讯
学习抓取柔性物体
TensorFlow
3+阅读 · 2021年7月5日
ICCV2019 | 高精度,高效率点云三维重建 PointMVSNet
计算机视觉life
23+阅读 · 2019年9月5日
最全综述 | 图像目标检测
计算机视觉life
31+阅读 · 2019年6月24日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
相关基金
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2013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
3+阅读 · 2012年12月31日
国家自然科学基金
2+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 · 2009年12月31日
微信扫码咨询专知VIP会员