科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前图像标注方法中存在准确率与召回率低的问题,提出基于多示例学习的破损图像子区域自适应划分标注方法。利用模糊增强算法计算图像模糊隶属度,对得到的图像隶属度进行非线性变换增强图像对比度,通过隶属度的逆变换获取整体得到增强的破损图像。在对数域上分离整体增强后图像中大特征和小细节,并采用二次函数分解图像中的大特征,得到增强细节后的破损图像。将增强后图像代入图像分割中,利用相邻像素之间差分计算得到图像中具有梯度突变的点,利用形态学处理突变点,并确定初始分割阈值。将互信息量当作目标函数,通过计算分割图像和原始图像互信息量,得到最佳分割阈值,实现破损图像分割。经图像分割,利用多示例学习法与多样性密度法相结合的方式将训练图像集合中图像划分成正包、负包,利用计算图像各分割块有关各标注自身多样性密度的得分值实现图像子区域自适应划分标注。实验结果表明,该方法标注准确率与召回率均较高。
-
单位河南财经政法大学
