题目：结合先验和局部外观线索的物体分割技术研究

物体分割是一种从图像或视频中分割出用户感兴趣物体的技术，从理论和应用上都有重要的研究价值。从理论方面来说，物体分割提取物理对象，模拟了人类区分不同物体的能力；从应用方面来说，物体分割技术可为自然人机交互、图像/视频编辑、多媒体内容检索和智能交通系统等高层视觉处理提供支持。

受物体姿态多样、遮挡、背景噪声以及不同物体外观相似等因素的影响，物体分割的求解存在着不确定性。现有物体分割方法侧重引入各种先验知识提取具有语义一致性的物体，而先验知识只代表同类物体的共性特征，难以表现不同物体的局部属性，这导致边缘分割不精细等问题。考虑到同类物体有共性特征而单个物体有个性属性，本文结合先验和局部外观线索来提高物体分割的精度。为了消除分割过程中产生的噪声，论文主要在马尔科夫随机场下融合多种线索进行研究。以场景解析、行人分割和物体共分割为研究重点，论文的主要工作包括：

1.        双层条件随机场的图像场景解析方法。现有场景解析方法主要依赖先验模型，但先验模型难以全面表示不同物体的局部属性，使场景解析后的物体边缘不够精细。针对这个问题提出了一种双层条件随机场的场景解析方法，该方法先根据外观特征训练出的先验模型粗略解析场景，进而提取物体的局部颜色模型指导优化场景解析。在公共数据集上的实验结果表明，本方法与现有场景解析方法相比提高了场景解析的精度，并且保留了物体的边缘细节。

2.        结合轮廓和外观线索的图像行人分割方法。先验轮廓和局部外观是用于人体分割的主要观测线索，现有依赖轮廓的方法难以准确地分离前景人体，而基于局部外观的方法需要复杂的交互操作。针对这些问题提出一种结合先验轮廓和局部外观线索的全自动行人分割方法，该方法先在轮廓约束下以分割块聚类方式得到粗分割结果，然后提取局部外观模型并优化一个马尔科夫能量函数对行人精细分割。在公共数据集上的实验结果表明，本方法与其他行人分割方法相比获取了更准确的分割结果。

3.        概率框架下的视频行人分割和姿态解析方法。视频行人分割和姿态解析是计算机视觉中两个互补的研究方向，然而现有工作都是独立研究这两个问题，本文结合它们的互补性给出了一种概率框架下的视频行人分割和姿态解析方法。该方法通过模板匹配获取起始帧中的人体轮廓和骨架，然后在后续帧中迭代地分割行人和解析姿态。在公共数据集上进行实验，结果表明通过结合两者提高了视频行人分割和姿态解析的准确度。

4.        面向物体共分割的混合图模型。现有物体共分割方法主要以分割块为计算单元，依赖物体的共性特征进行分割，这导致边缘分割不精细的问题。为了保证分割精度，本文引入“热源”给出一种面向物体共分割的三层混合图模型，该图模型包括像素层、超像素层和热源层，结合图像间物体的共性特征和图像内物体的个性属性，通过三层间的能量迭代优化更新分割结果。在公共数据集上的实验结果表明，该方法与现有物体共分割方法相比提高了物体分割的精度，并保留了物体的边缘细节。

本论文以马尔科夫随机场下结合先验和局部外观线索为主要研究思路，在物体分割领域中的场景解析、行人分割和物体共分割等方面开展研究，主要方法可应用于图像/视频编辑、三维场景重构、多媒体内容检索和场景理解等领域。