一种基于支持向量机的场景标注方法

摘要：针对复杂场景中难以标注对象轮廓的问题，提出一种基于支持向量机的场景标注方法。首先采用结构森林法生成边缘概率，再运用分水岭算法将边缘概率转化成初始图像块。为避免过分分割，减少训练开支，利用UCM算法并选取适当的阈值提高图像块对轮廓的精确度，最后通过支持向量机训练分割的图像块进行场景标注。实验表明，在处理复杂的户外场景标注时，基于支持向量机的场景标注方法在像素精确度上表现良好，在对象轮廓上标注效果较好。

关键词：对象轮廓；分水岭；支持向量机；场景标注

DOIDOI：10.11907/rjdk.171167

中图分类号：TP301

文献标识码：A 文章编号：1672-7800（2017）006-0015-04

0 引言

在计算机视觉领域，场景标注[1]作为图像分析的一个重要环节受到广泛关注。场景标注的主要任务是识别图像中每个像素所属类别。由于图像常会受到不同光照强度、对象遮挡以及对象种类繁多和复杂的场景问题，导致像素标注错误，无法很好地标注对象轮廓，最终导致场景标注效果不理想。因此，如何有效提取图像中对象的整体信息，描述图像对象轮廓，一直都是值得研究的问题。

当前的场景标注方法是直接在图像像素的基础上训练模型，而单纯在像素上训练模型很难描述对象轮廓，从而使场景标注难以获得理想效果。基于此，本文提出一种基于支持向量机的场景标注方法SVM-SLM（Scene labeling method based on support vector machine），通^训练图像块，有效解决了基于图像中对象轮廓的描述问题，在像素精确度上也有良好表现。

2 SVM-SLM方法描述

传统的基于像素训练的场景标注模型无法描述对象轮廓，会出现预测对象丢失和对象不完整的问题，从而影响像素精度。文献[2]、[ 3]、[4]研究的场景标注方法时间开销过大，并且精确度不高。针对以上问题本文提出了SVM-SLM方法，具体步骤如下：①采用结构森林方法[5]生成图像的边缘概率图；②将上述生成的边缘概率图用分水岭方法将图像划分为初始图像块；③为防止分水岭方法过度分割并且减少接下来的训练开支，通过UCM算法选取阈值，优化图像块；④对图像块提取特征，利用支持向量机训练图像块得到场景标注结果，并实现具有良好精确度及轮廓效果的场景标注方法。

3 生成图像块

边缘检测是计算机视觉系统中的一个重要环节，包括对象检测[6]、目标预测[7-8]以及场景分析[9]。边缘形状是目标对象几何形态描述的重要表现内容，图像中对象的轮廓往往来自于图像的边缘信息，所以有效提取图像边缘信息方法是关键。

传统的水平集模型需把轮廓曲线演化的能量方程转化为微分方程，进而借助梯度下降法求得方程最优解。这一过程不仅耗时，而且导致计算结果不稳定。考虑到一般图像块对图像的局部特征表现效果很好，本文利用图像块对边缘学习能力很强的特点，提出结构森林[5]与分水岭相结合的方法。首先利用结构森林的学习方法建立随机决策森林，学习每个像素的边缘概率，生成边缘概率图，此过程不但解决了耗时问题还取得了良好的边缘检测效果；再将边缘概率带入分水岭方法生成初始图像块，得到包含轮廓信息的初始图像块，效果如图2所示（彩图见封二）。图2（a）和图2（d）测试为图像，图2（b）和图2（e）为对应的边缘概率图，图2（c）和图2（f）为初始图像块。

4 训练SVM模型

传统的像素训练无法保留图像中对象的轮廓信息，训练时单纯对像素提取特征，忽略了像素之间的局部空间信息，不能很好表达图像中像素之间的区域结构信息。本文通过对带有对象轮廓信息的图像块进行训练，在进行语义标注的同时保留了对象轮廓信息。

采用核描述、核匹配方法，通过2*2网格模型提取像素的纹理特征、颜色特征和梯度特征，对应于同一图像块的像素特征加权合并为图像块特征。随机提取10块图像块生成特征图，利用支持向量机算法对图像块进行训练，如图4所示。

5 实验结果及分析

为了验证方法的有效性，图像数据集采用Stanford Background数据库[11]，数据库共715幅复杂的户外场景图片，每张图像大小为320×240像素，附有标注好的正确语义图片。每个像素划分为一类，共8个类别，总计5 491万多像素标记样本，类别分别为天空、树、马路、草地、水、建筑物、山脉和前景对象。

实验随机提取五组训练集和测试集依次带入公共图像块阈值[0.1，0.2，0.3，0.4，0.5]进行评估，每组训练集提取572个图片，运用本文方法分割成若干图像块，平均每组图片被分割成5万多块图像块，运用支持向量机对这些图像块进行训练。用剩余143个图片作为测试集，平均分割成1万多个图像块进行测试，并对每个像素进行语义标注。实验效果如图5所示（彩图见封二）。图5（a）为部分测试图像，图5（b）为数据库正确标注图像，图5（c）为本文方法的场景标注图像，图5（d）为标注失准图，标注错误的像素呈黑色，正确的为白色。图5下方8个色块分别代表8个不同的类别。

利用结构森林生成边缘概率图，将图像边缘作为对象轮廓候选区，提高了场景标注对对象轮廓的标注能力。再通过UCM算法优化图像块，最终场景标注结果如图6所示。图6表明，本文方法在人物、车辆、动物等重要的前景对象轮廓细节上有较好的描述。

6 结语

场景标注是计算机视觉技术的关键步骤。针对像素训练模型容易忽略图像空间结构信息，无法描述对象轮廓的问题，提出一种基于支持向量机的场景标注方法。通过结构森林/UCM生成图像块，构建支持向量机模型，训练得到场景标注结果。实验表明该方法较好地描述了图像中的对象轮廓，获得了良好的精确度和标注效果。但是，由于特征描述采用核描述提取特征，对部分图像块不能有效提取特征，导致部分图像块标注不正确，影响了总体精确度。下一步的工作目标是提高有效特征的提取，以获取更高的精确度及场景标注效果。

参考文献：

[1]顾广华，韩晰瑛，陈春霞，等.图像场景语义分类研究进展综述[J].系统工程与电子技术，2016 （4）：936-948.

[2]马成虎，董洪伟.一种基于深度学习的多尺度深度网络的场景标注算法[J].计算机工程与科学，2016，38（7）：58-63.

[3]MUNOZ D，BAGNELL J，HEBERT M.Stacked hierarchical labeling[C].European Conference on Computer Vision，2010：57-70.

[4]TIGHE J，LAZEBNIK S.Superparsing：scalable nonparametric image parsing with superpixels[J].European Conference on Computer Vision，2010，63（15）：352-365.

[5]DOLLAR P，ZITNICK C L.Structured forests for fast edge detection[C].The IEEE International Conference on Computer Vision （ICCV），2013：1841-1848.

[6]GALL J，LEMPITSKY V.Class-specific hough forests for object detection[C].The IEEE Conference on Computer Vision and Pattern Recognition，2009：143-157.

[7]ARBELAEZ P，JORDI P T，T BARRON J，et al.Multiscale combinatorial grouping[C].The IEEE Conference on Computer Vision and Pattern Recognition （CVPR），2014：328-335.

[8]JORDI P T，ARBELAEZ P，BARRON J，et al.Multiscale combinatorial grouping for image segmentation and object proposal generation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2016.

[9]KUMAR P，KOLLER D.Efficiently selecting regions for scene understanding[C].The IEEE Conference on Computer Vision and Pattern Recognition （CVPR），2010：3217-3224.

[10]ARBELAEZ P，MAIRE M，FOWLKES C，et al.Contour detection and hierarchical image segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2010，33（5）：898- 916.

[11]GOULD S，FULTON R，KOLLER D.Decomposing a scene into geometric and semantically consistent regions[C].The IEEE International Conference on Computer Vision （ICCV），2009：1-8.