基于图模型的图像分析研究

目标识别、场景分析是图像理解的重要内容。如何构建一种通用有效的反馈的框架,适用于多类别目标场景图像分析,是计算机视觉领域的研究难点。本文以图像中有何种目标、目标间的关系、图像是什么场景为研究方向,主要包括两方面：一是场景中的目标识别,二是场景图像分析。目标识别具有主动性,是为了对场景进行更好的解释,是场景分析的基础；场景分析为目标识别提供先验信息,可以指导目标识别；二者相互关联、约束。本文主要工作如下： 1)分析了图结构模型的类别及其各自特性,介绍了有向图和概率论如何运用于贝叶斯框架下的生成模型中,并描述了图模型下的三种Dirichlet分布及其概率采样方法。 2)实现了层次Dirichlet过程下的场景图像单目标识别和转换Dirichlet过程下的场景图像多目标识别。前者根据分层思想将场景图像看做“目标-部分-区域”,分别计算上层标记所对应的下层数据的概率分布,根据概率确定标记。在此基础上后者进一步融入目标的空间位置转换信息,根据目标类别位置信息的概率分布情况,可在场景图像的不同位置生成多个目标实例,从而实现多目标类别及实例的识别。 3)研究了有向图模型下分层次的、融入上下文知识的场景分析。采用场景级的全局上下文信息为目标识别提供先验信息,采用目标级的局部上下文信息对多目标识别加以约束,目标识别结果可以反馈作用于场景分析,形成一个反馈的过程。