项目名称: 基于目标区域演化分割的图像描述研究

项目编号: No.60875010

项目类型: 面上项目

立项/批准年度: 2009

项目学科: 轻工业、手工业

项目作者: 任明武

作者单位: 南京理工大学

项目金额: 28万元

中文摘要: 本项目提出了图像分割的结果多样性并进行描述的观点。图像分割结果的多样性是指对于同一个目标区域随分割参数取值的不同往往会得到不同的结果,若某种图像分割方法能得到目标区域的众多表象并有效地组织和描述,则不同的应用应能从该描述中找到其需要的分割结果。项目研究从图像分割结果多样性的角度出发,研究了基于微分曲率的PDE图像去噪,研究并实现了基于关系稳定性的图像分割方法,研究并实现了用形态学分水岭指导间隙区域归并,并实验证明了其优越性;实现了一种基于显著性的活动轮廓模型,研究了自然纹理目标的灰度不均特性和区域增长的分割方法。在算法方面,研究并实现了一种基于链码的快速分水岭变换,并采用了树结构来描述目标表象演化关系。在本项目的支持和促进下,课题组成员很好地开展了此图像分割及相关图像领域的研究工作,并为后续研究打下了较好的基础。

中文关键词: 图像分割; 图像描述; 金字塔分割; 分水岭分割

英文摘要: This research considered the image description method aimed to diversity of segmentati-on results of one same image. The diversity of segmentation results referred to that many different region results can be got for same image and same segmentation method but with different values of parameter,to find one image description method which can got and descript the diversity of segmentation is very important to applications. The project start from the deversity of image segmentation results,we investigate PDE image denosing based on differential curvature,investigate and execute a image segment method based on relationship stability,investigate and execute a method of using morphological watershed to guide the mergence of the gap region and the experiment proves its superiority;execute an active contour model based on significant,investigate intensity inhomogeneity and natural texture segmentation and segmentation using region growing strategy.In the research of algorithm,we investigate and execute a fast watershed transformation based on chain code and use the tree structure to describe the relations and evolvement between region status.Task group members work well on this image segmentation and related research of image field by the support and promote of the project,and laid a good foundation for the follow-up study.

英文关键词: Image Segmentation; Image Description; Pyramid Structure; Watershed Segmentaion

成为VIP会员查看完整内容
0

相关内容

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。 所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域,并使这些特征在同一区域内呈现出相似性,而在不同区域间呈现出明显的差异性。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
61+阅读 · 2021年3月6日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
85+阅读 · 2021年1月7日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
ACL 2021 | 时空可控的图片描述生成
微软研究院AI头条
0+阅读 · 2021年7月29日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
编辑推荐 | 红外弱小目标检测算法综述
中国图象图形学报
21+阅读 · 2020年10月12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
病理图像的全景分割
人工智能前沿讲习班
16+阅读 · 2019年6月1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
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
0+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
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
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
2+阅读 · 2022年4月19日
Arxiv
17+阅读 · 2021年1月21日
Arxiv
17+阅读 · 2020年11月15日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Arxiv
11+阅读 · 2018年5月13日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
61+阅读 · 2021年3月6日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
85+阅读 · 2021年1月7日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
ACL 2021 | 时空可控的图片描述生成
微软研究院AI头条
0+阅读 · 2021年7月29日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
编辑推荐 | 红外弱小目标检测算法综述
中国图象图形学报
21+阅读 · 2020年10月12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
病理图像的全景分割
人工智能前沿讲习班
16+阅读 · 2019年6月1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
相关基金
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
0+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
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
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员