结合物体先验和空域约束的室内空域布局推理

对结构化室内场景的空域布局结构进行估计是计算机视觉领域的研究热点之一.然而,对于内部堆放了众多杂乱物体的室内场景,现有的大多数方法容易受到各种物体遮挡的影响而无法对这一类场景的布局结构进行准确推理.为此,本文方法充分考虑了房间和物体之间的几何和语义关联性,参数化地对房间和内部物体的三维体积分别进行描述,并且提出利用多种高层图像语义来获取物体的先验信息.此外,还在此基础上加入了空域排他性和空域位置等多种空域约束,进而在改进室内场景空域布局估计的同时为物体的识别和定位提供关键信息.本文方法不仅具有较低的求解复杂度,而且通过试验表明相比于现有的经典方法在杂乱的室内场景中能够取得更为鲁棒的空域布局推理结果.

基于马尔科夫链和物体先验的显著物体检测

针对现有算法不能较好完整高亮显著物体和有效抑制背景问题,提出一种结合物体先验和吸收马尔科夫链的显著物体检测模型。根据熵信息自适应确定区域分割的超像素个数,利用边界连通性准则筛选出边界背景节点,利用吸收马尔科夫链进行初步显著性计算,将其与基于物体先验的显著性计算结果相融合,将融合图进行二值分割得到的背景节点信息作为吸收节点,再次进行随机游走计算得到最终的显著图。实验在4个公开的图像数据集上与16种流行算法就5种客观评价指标和直观的视觉检测效果进行比较,比较结果表明了所提算法的有效性。