基于包含度和核描述子的主動輪廓模型.pdf

1、圖像分割是圖像處理的一個重要步驟，它在計算機視覺領(lǐng)域，特別是模式識別、目標(biāo)跟蹤和檢測、圖像重構(gòu)和特征提取等方面有著重要而廣泛的應(yīng)用。主動輪廓模型是近年來非常流行的圖像分割工具，本文在一定理論分析和方法討論的基礎(chǔ)上，提出了兩種新的主動輪廓模型。本文所做的主要工作如下：
　　1.提出一種基于包含度的無參數(shù)概率主動輪廓模型。該方法把圖像的概率域信息和模糊集理論相聯(lián)系，通過對圖像區(qū)域概率密度函數(shù)的無參數(shù)估計（核估計），在引入模糊集包含度概

2、念的基礎(chǔ)上，構(gòu)造了圖像前景區(qū)域和背景區(qū)域之間的重疊率。我們在長度正則項的約束下，利用前景和背景之間相互的重疊率，建立了基于包含度的能量函數(shù)。通過推導(dǎo)能量函數(shù)的梯度流和水平集方法，我們得到了這一優(yōu)化問題的最優(yōu)解。實驗表明，我們的模型對人造圖像和自然圖像都能取得良好的分割效果，和已有的無參數(shù)概率主動輪廓相比，分割效果相當(dāng)，并且計算的性能和效率都有一定提高。
　　2.提出一種基于核描述子的交互式主動輪廓模型。早期的主動輪廓模型都是基于低

3、維特征的，而低維圖像特征往往缺乏對圖像空間相關(guān)性的描述，所以對特征混雜的圖像（大部分自然圖像都是特征混雜的）分割效果較差。對一般的高維特征，如局部直方圖，不僅增加了特征在理論和計算上的復(fù)雜度，而且缺乏有效的相似度（差異度）度量方法用于建立主動輪廓模型的能量函數(shù)。因此我們引入核描述子，它對圖像塊特征引入每個像素的位置信息，充分考慮了像素的空間相關(guān)性。除此之外，它可以方便地計算不同特征之間的相似度，為能量函數(shù)的建立提供了方便。該方法有兩個步