室内场景的布局估计与目标区域提取算法

吴晓秋,,b

(南京邮电大学 a.通信与信息工程学院; b.江苏省图像处理与图像通信重点实验室,南京 210003)

0 概述

室内场景理解是国内外学者的研究热点之一,对于解决一些高级计算机视觉问题具有非常重要的意义。目标分割与提取结果通常为目标候选区域或目标边界框,是场景解析的关键步骤之一。经过多年的发展,目标提取算法目前可分为2类:一类是基于滑动窗口检测思想[1]的算法,另一类是基于分割的算法,包含图像过分割与分割拼合策略。第1类算法较经典的是文献[2]提出的DPM(Deformable Parts Model)目标检测算法,其采用改进HOG特征[3]和SVM分类器[4],对目标的形变具有很强的鲁棒性,在行人检测等方面具有显著成果[5],但计算代价较大且不能使用复杂的特征表示。第2类算法较经典的是文献[6]提出的基于图的图像分割(Graph Based Segmentation,GBS)算法,其能快速找出视觉上一致的区域,被广泛地应用于图像处理领域[7-8]。此后,文献[9]提出gPb-UCM分层图像分割算法,通过谱聚类结合局部和全局信息进行轮廓检测。文献[10]提供了一个大型室内RGB-D数据集-NYUv2。文献[11]提出CPMC(Constrained Parametric Min-Cuts)约束参数最小割的前景目标分割算法。文献[12-13]利用RGB-D数据集,通过增加几何特征或深度信息来提升效果,但这些有监督算法的计算复杂度较大,需要预先得到的训练数据,检测时容易忽视平面区域物体。文献[14]提出MCG多尺度组合分组算法,计算速度较快,分割效果在发表当时属于顶尖水平。文献[15]融合深度信息将该算法扩展到RGB-D图像,但需要预训练轮廓模型。……