陈 肖，王 敏，陶铭洋

(河海大学计算机与信息学院，江苏 南京 211100)

0 引言

人类的视觉是一个全局识别的综合系统。人类在识别路上行人的时候，不只是通过行人的轮廓，还有许多其他的信息，比如行人所站立的地面、马路的三维结构、观察者的方向等。这给计算机视觉研究人员极大的启发。

当前，大多数目标识别算法都是单纯地采用局部信息，例如，现有的物体识别算法［1－2］大都假设图像中一个物体的所有相关信息都存在于图像平面的一个小窗口中。这类方法典型的弊端就是经常在目标不可能出现的地方检测到目标，例如:在桌子上检测到汽车，在树干上检测到人脸等。如果计算机视觉的最终目标是像人类一样观察这个世界，就必须从图像整体出发，考虑物体之间的关系，即上下文信息。

近年来，出现了一些相关的有影响力的论文。Torralba等人［3－4］论述了全局上下文信息在目标检测中的重要性。Bose［5］等人用图像的底层特征来粗略地描述场景。其他一些研究整合了局部上下文信息，利用随机场的方法也得到了不错的结果［6－7］。然而这些方法存在一个共性的问题:它们建立的关系都是二维图像上的关系，而不是三维世界中的真实关系。事实证明这种局限性会忽略一些重要的信息，例如尺度关系、表面方向等。而三维上下文信息能更好地说明物体之间的关系。

本文的创新点是将三维上下文信息成功地引入场景图像的几何标记，并使用可靠性高的逐步构建场景结构的方法，更好地完成了图像的几何分割工作。……