高宇田，杨阳，赵广帅，刘智

（长春理工大学 电子信息工程学院，长春 130022）

机器人在探索未知环境过程中通常需要与周围环境之间进行交互感知，例如对桌子上的水杯进行抓取操作或者计算距离最近的椅子的位置等等。因此，视觉场景的理解对于机器人[1]来说至关重要。语义分割对机器人视场中每个对象进行语义标注，为机器人提供丰富的语义信息，能够很好的表示出机器人来到了什么地方，“看”到了什么样的东西，有效地解决了机器人的场景理解问题。

本文利用具有稀疏高阶项的全连接条件随机场来解决语义分割问题。条件随机场（Condi⁃tional Random Field，CRF）是计算机视觉中几种问题建模的常用框架[2-3]。目前，随着深度学习的发展，卷积神经网络逐渐开始在图像语义分割方面占据主导地位，FCN（fully convolutional network）[4]，SegNet[5]、DeepLab[6]等深度学习框架实现了像素级别的语义分割。但这种黑盒模型并不能很好的给予明确的数学解释，而且由于这种不透明性，深度学习只能依赖网络层数的增加来提高分割的结果。条件随机场能够提取图像的多方面信息，通过图像像素间的相关性构建能量函数模型，最后通过能量最小化方法来求解该模型，实现图像的语义分割。

传统CRF[7-8]的能量函数由两项组成：依赖于一个随机变量标签的一元势函数和依赖于两个随机变量标签的二元势函数。这种传统模型只考虑到了图像局部像素之间的约束关系，没有关注到更高级依赖关系。而高阶CRF[9-10]在传统基础上增加了由多个随机变量集合的高阶势函数，使得依赖关系由局部推广到全局图像，将模型扩展到超像素[15]之间的依赖关系。……