吉林大学学报(工学版) ›› 2018, Vol. 48 ›› Issue (5): 1621-1628.doi: 10.13229/j.cnki.jdxbgxb20180411

• • 上一篇    

基于多尺度特征融合的边界检测算法

车翔玖1, 王利2, 郭晓新1   

  1. 1.吉林大学 计算机科学与技术学院, 长春 130012;
    2.伯恩茅斯大学 国家计算机动画中心, 普尔 BH12 5BB,英国
  • 收稿日期:2018-04-26 出版日期:2018-09-20 发布日期:2018-12-11
  • 作者简介:车翔玖(1969-),男,教授,博士生导师.研究方向:计算机图形学,大数据可视化.E-mail:chexj@jlu.edu.cn
  • 基金资助:
    国家自然科学基金项目(61672260)

Improved boundary detection based on multi-scale cues fusion

CHE Xiang-jiu1, WANG Li2, GUO Xiao-xin1   

  1. 1.College of Computer Science and Technology, Jilin University, Changchun 130012, China;
    2.Bournemouth University, National Centre for Computer Animation, Poole BH12 5BB, United Kingdom
  • Received:2018-04-26 Online:2018-09-20 Published:2018-12-11

摘要: 针对以往边界检测算法提取的噪声边界过多,导致最终检测的效果提高不多的问题,本文提出了一种基于多尺度特征融合的边界检测算法。在单一图像尺度下,该算法利用图像抠图领域的Trimap和抠图算法生成图像中物体层次特征,并结合提取多尺度的像素层次特征得到边界信息。为了进一步减少过多的噪声边界,该算法提取多尺度图像下的边界信息,并通过融合这些边界信息来过滤噪声边界。在美国加州伯克利大学的BSDS500数据集上进行实验,实验结果表明该算法比单一图像尺度下的边界检测算法具有更高的准确率。

关键词: 计算机应用, 边界检测, 多尺度, 图像抠图, 图像处理, 计算机视觉

Abstract: Prior contour detectors based on single scale input images usually extract multi-scale low-level cues to increase the detection accuracy, however, this kind of methods do not improve accuracy much due to the extracted noisy boundaries. The reason behind this is the lack of object-level features. To address this problem, this paper proposes a boundary fusion method which is capable of combining low-level and object-level cues on multiple scales. For a single scale image, at the beginning, we use Trimaps and an image matting method to generate object-level features, then we combine the object-level features with extracted low-level cues. For multi-scale images, we fuse the boundary maps extracted from each single scale image to reduce noisy boundaries. Experiments show that our method outperforms the single-scale boundary detector on the BSDS500 dataset.

Key words: computer application, boundary detection, multi-scale, image matting, image processing, computer vision

中图分类号: 

  • TP391.4
[1] Ullman S, Basri R.Recognition by linear combination of models[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1991, 13(10):992-1006.
[2] Viola P, Jones M J.Robust real-time face detection[J]. International Journal of Computer Vision, 2004, 57(2):137-154.
[3] Wang X, Feng B, Bai X, et al.Bag of contour fragments for robust shape classification[J]. Pattern Recognition, 2014, 47(6):2116-2125.
[4] Huttenlocher D P, Klanderman G A, Rucklidge W J.Comparing images using the Hausdorff distance[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1993,15(9):850-863.
[5] Palazón-González V, Marzal A, Vilar J M.On hidden markov models and cyclic strings for shape recognition[J]. Pattern Recognition, 2014,47(7):2490-2504.
[6] Tu Z, Chen X, Yuille A L, et al.Image parsing: Unifying segmentation, detection, and recognition[J]. International Journal of Computer Vision, 2005,63(2):113-140.
[7] Roberts L G.Machine perception of three-dimensional solids[D]. Massachusetts:Massachusetts Institute of Technology,1963.
[8] Duda R O, Hart P E, Stork D G.Pattern Classification[M]. New York: Wiley,1973.
[9] Prewitt J M.Object enhancement and extraction[J]. Picture Processing and Psychopictorics,1970,10(1):15-19.
[10] Canny J.A computational approach to edge detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1986,8(6):679-698.
[11] Martin D R, Fowlkes C C, Malik J.Learning to detect natural image boundaries using local brightness, color, and texture cues[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2004,26(5):530-549.
[12] Ren X, Fowlkes C C, Malik J.Scale-invariant contour completion using conditional random fields[C]∥IEEE International Conference on Computer Vision, New York, USA,2005:1214-1221.
[13] Felzenszwalb P, McAllester D. A min-cover approach for finding salient curves[C]∥IEEE Computer Vision and Pattern Recognition Workshop, New York,USA, 2006:185-193.
[14] Arbelaez P, Maire M, Fowlkes C, et al.Contour detection and hierarchical image segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(5):898-916.
[15] 王刘涛,廖梦怡,王建玺,等.基于关键帧轮廓特征提取的人体动作识别方法[J]. 重庆邮电大学学报:自然科学版,2017,29(1):98-105.
Wang Liu-tao,Liao Meng-yi,Wang Jian-xi,et al.Human activity recognition based on contour feature extraction on key-frame[J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition), 2017,29(1):98-105.
[16] 周柏清,黄淼,任勇军.基于视觉特征提取的压缩域在线视频摘要快速提取[J]. 重庆邮电大学学报:自然科学版,2016,28(2):273-279.
Zhou Bai-qing,Huang Miao,Ren Yong-jun.Online video abstract extraction based on visual features in compressed domain[J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition), 2016,28(2):273-279.
[17] Yang Lei,Ren Yan-yun,Zhang Wen-qiang.3D depth image analysis for indoor fall detection of elderly people[J].Digital Communications & Networks,2016(1):24-34.
[18] Liang Yu,Wu Da-lei, Liu Gui-rong, et al.Big data-enabled multiscale serviceability analysis for aging bridges[J].Digital Communications & Networks,2016,(3):97-107.
[19] Shahrian E, Rajan D, Price B, et al.Improving image matting using comprehensive sampling sets[C]∥IEEE Conference on Computer Vision and Pattern Recognition (CVPR), New York,USA,2013:636-643.
[20] 车翔玖,张孙旻. 基于异步更新策略的蚁群边缘提取算法[J]. 吉林大学学报:工学版, 2017, 47(5):1577-1582.
Che Xiang-jiu, Zhang Sun-min.Edge extraction method based on ant colony asynchronous update strategy[J]. Journal of Jilin University (Engineering and Technology Edition), 2017, 47(5):1577-1582.
[1] 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2] 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3] 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4] 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5] 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6] 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7] 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8] 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10] 刘哲, 徐涛, 宋余庆, 徐春艳. 基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术[J]. 吉林大学学报(工学版), 2018, 48(5): 1614-1620.
[11] 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12] 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13] 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14] 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15] 侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 彭其渊,徐进,郑升宝,邵毅明,邓天民. 隧道洞口路面两种材料交替对行车的影响及交替位置优化[J]. 吉林大学学报(工学版), 2009, 39(06): 1497 -1503 .
[2] 王昕,姜继海. 轮边驱动液压混合动力车辆再生制动控制策略[J]. 吉林大学学报(工学版), 2009, 39(06): 1544 -1549 .
[3] 武剑,董惠娟,张松柏,张广玉. 压电超声换能器初级串联匹配新方法[J]. 吉林大学学报(工学版), 2009, 39(06): 1641 -1645 .
[4] 郑文忠, 万夫雄, 李时光. 用无机胶粘贴CFRP布加固混凝土板火灾后受力性能[J]. 吉林大学学报(工学版), 2010, 40(05): 1244 -1249 .
[5] 何磊,宗长富,田承伟,吴仁军,张太武. 线控转向汽车直流电机的故障诊断与容错控制[J]. 吉林大学学报(工学版), 2011, 41(03): 608 -612 .
[6] 刘松山, 王庆年, 王伟华, 林鑫. 惯性质量对馈能悬架阻尼特性和幅频特性的影响[J]. 吉林大学学报(工学版), 2013, 43(03): 557 -563 .
[7] 初亮, 王彦波, 祁富伟, 张永生. 用于制动压力精确控制的进液阀控制方法[J]. 吉林大学学报(工学版), 2013, 43(03): 564 -570 .
[8] 李静, 王子涵, 余春贤, 韩佐悦, 孙博华. 硬件在环试验台整车状态跟随控制系统设计[J]. 吉林大学学报(工学版), 2013, 43(03): 577 -583 .
[9] 朱剑峰, 林逸, 陈潇凯, 施国标. 汽车变速箱壳体结构拓扑优化设计[J]. 吉林大学学报(工学版), 2013, 43(03): 584 -589 .
[10] 胡兴军, 李腾飞, 王靖宇, 杨博, 郭鹏, 廖磊. 尾板对重型载货汽车尾部流场的影响[J]. 吉林大学学报(工学版), 2013, 43(03): 595 -601 .