基于多特征融合与Boosting决策森林的街景图像的语义分割方法技术

一种基于多特征融合与Boosting决策森林的街景图像的语义分割方法，包括如下步骤：步骤1，对图像进行超像素分割；步骤2，多特征提取；步骤3，特征融合；步骤4，训练学习以及分类识别；本发明专利技术将2D特征和3D特征有效的融合在一起，显著的提高了目标的识别率，与现有技术相比，分割结果一致，连通性好，边缘定位准确，引入了Boosting决策森林分类机制，保证了目标分类的稳定性。

【技术实现步骤摘要】
基于多特征融合与Boosting决策森林的街景图像的语义分割方法
本专利技术属于图像处理
，尤其涉及一种基于多特征融合与Boosting决策森林的街景图像语义分割方法。
技术介绍
图像分割是将图像划分成多个具有相似特征区域的技术与过程，是图像处理中的重要问题。这里的特征可以是像素的灰度、颜色、纹理等，且预定义的目标可以是单个区域，也可以对应多个区域。图像分割不仅是目标表达的基础，对特征质量有着重要的影响，并且可以将原始图像转化为更加抽象的形式，使得更高层次的图像分析和理解成为可能。计算机视觉中的图像理解，如目标检测、目标特征提取和目标识别等，都依赖于图像分割的质量。图像处理强调在图像之间进行变换以改善图像的视觉效果。目前的图像分割算法大多是针对某一类图像进行的，且图像场景比较简单，包含的对象类别较少；同时，一般的图像分割算法对图像的亮度、缩放等信息比较敏感，所以可能会造成误分割。因此，把图像分割和图像的识别与理解结合起来，在保证图像处理效果的同时提高图像处理的效率，将具有非常重要的研究意义。但是目前基于视觉特征的分割算法得到的分割区域间没有清晰的边缘，而且对于不同的场景效果差异本文档来自技高网...

【技术保护点】
基于多特征融合与Boosting决策森林的街景图像的语义分割方法，其特征在于该方法包括以下步骤：步骤1，对图像进行超像素分割；针对街景图像所包含的对象比较复杂的特点，采用简单线性迭代聚类SILC(simple linear iterative clustering)对图像进行超像素分割；简单线性迭代聚类是对3维的CIELAB颜色空间L、a、b和2维的位置信息特征进行操作，采用了新的距离衡量方法，通过调节参数来控制超像素块的数目；无论在计算复杂度、控制超像素的尺寸和个数来看，简单线性迭代聚类在现有方法中表现都是很好的。简单线性迭代聚类采用新的距离衡量D，表示如下：dlab=(lk-li)2+(a...

【技术特征摘要】
1.基于多特征融合与Boosting决策森林的街景图像的语义分割方法，其特征在于该方法包括以下步骤：步骤1，对图像进行超像素分割；采用简单线性迭代聚类SILC(simplelineariterativeclustering)对图像进行超像素分割；简单线性迭代聚类是对3维的CIELAB颜色空间L、a、b和2维的位置信息特征进行操作，通过调节参数来控制超像素块的数目；表示如下：其中k和i分别为两个像素，Ds表示lab距离和以网格距离归一化的xy空间的距离综合；变量m是一个常数，控制超像素的紧凑程度，可以调节超像素块的大小，当m的值越大时，则空间像素度的权重越大，我们这里选择m＝10，图像分割的超像素数为1000块；图形的梯度公式计算如下：G(x,y)＝||I(x+1,y)-I(x-1,y)||2+||I(x,y+1)-I(x,y-1)||2(2)其中I(x,y)表示Lab向量对应的像素点的位置，而||.||表示2范数，同时考虑亮度和位置信息；其中S是步长，N为图像的像素总数，K是分割的超像素个数；简单线性迭代聚类的具体处理步骤：1.1初始化聚类中心；按照步长S采用像素来初始化话聚类中心，在图像中均匀分布聚类中心；1.2将聚类中心移动到邻域内梯度最小的地方，防止聚类中心落在边界上；1.3在每个聚类中心2S*2S范围内，根据距离公式对像素进行K-means聚类，得到最新的聚类中心；1.4计算新的聚类中心与旧的聚类中心之间的L1范数距离E；1.5进行迭代运算，直到E小于一个很小的阈值，结束运算；步骤2，多特征提取；特征是用来描述图像的最基本的属性；2.1提取超像素块中物体距离地面的高度特征；对于每一块超像素，计算超像素块中物体距离地面的高度，采用超像素块中的所有点到地面的距离之和的平均值；2.2提取曲面法向量特征；利用最小二乘法对超像素拟合一个平面，然后求其法向量；其x轴分量、y轴分量和z轴分量分别作为一维向量特征；2.3提取超像素块中物体相对于摄像头的高度；设在3D坐标系中的y坐标轴的方向是向上的，则现实世界中的一点w相对于摄像机的高度fH可如下表示：fH(w)＝wy-cy(4)fH是相对于摄像头的高度,w(x,y,z)是现实世界中的一点的3D坐标，c(x,y,z)是摄像机的3D坐标；2.4提取3D像素块到摄像头的距离特征；通过计算超像素块中心到摄像头的最近距离，这个最近距离作为3D像素块到摄像头的距离；2.5提取3D像素块的不平整度特征；3D像素块的不平整度，以3D点到拟合平面的距离之和为度量值；2.6提取颜色直方图特征；对于被给定的目标0，它在t时刻的HSV颜色直方图特征表示为：其中yi表示HSV每一级别的值；2.7提取深度直方图特征；利用已获得的图像的深度图，分成若干个bin，提取出深度直方图，并且均衡化处理；2.8提取基于灰度直方图的纹理特征；基于灰度直方图的统计矩的纹理特征描述与提取方法是一种纹理统计方法；该方法可以定量的描述区域的平滑、粗糙、规则性的纹理特征；设r为表示图像灰度级的随机变量；L为图...

【专利技术属性】
技术研发人员：王慧燕，付建海，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：浙江;33