基于輪廓的圖像分割及目標(biāo)跟蹤方法研究.pdf

1、隨著視頻技術(shù)的不斷發(fā)展，在視頻應(yīng)用處理中作為基礎(chǔ)的目標(biāo)跟蹤技術(shù)也受到越來越廣泛的關(guān)注。隨著研究不斷深入，其應(yīng)用范圍的不斷推廣，人們不再滿足于簡單的對目標(biāo)的位置信息進(jìn)行跟蹤，還想要知道更多的信息。在諸如手勢識別、三維圖形重建等領(lǐng)域，除了需要知道目標(biāo)位置信息以外，還想要知道目標(biāo)的外形以便進(jìn)行后續(xù)的操作?；顒虞喞Ｐ偷奶岢鰟t正好可以滿足人們的要求，其實質(zhì)就是在圖像序列中對感興趣目標(biāo)進(jìn)行分割。
　　圖像分割結(jié)果的好壞直接影響到后續(xù)跟蹤的效

2、果，而算法的效率性則決定了它是否適用于在實時視頻系統(tǒng)中對感興趣目標(biāo)進(jìn)行跟蹤。本文在保證良好的分割結(jié)果的同時，對如何提高算法速度使其滿足實時系統(tǒng)要求的問題進(jìn)行深入研究，主要研究內(nèi)容如下：
　?。?）首先對傳統(tǒng)的Snake模型的原理進(jìn)行分析，討論了模型的優(yōu)勢與缺陷，在此基礎(chǔ)上對其改進(jìn)方法——GVF Snake模型進(jìn)行研究。
　?。?）對水平集方法進(jìn)行了研究，根據(jù)其數(shù)值實現(xiàn)方式分析討論其計算量大、運算效率低的原因。
　?。?

3、）重點對研究了基于邊緣信息的Li模型和基于區(qū)域信息的C-V模型兩種幾何活動輪廓模型，分析討論兩種算法的優(yōu)缺點，并通過實驗仿真對比分割結(jié)果。
　?。?）對快速水平集算法進(jìn)行研究，結(jié)合C-V模型對其進(jìn)行改進(jìn)，重新設(shè)計速度函數(shù)，去除人為設(shè)置分割閾值過程，同時使用單鏈表形式表示輪廓曲線進(jìn)行曲線演化，在保證算法分割效果的基礎(chǔ)上提高分割速度，并將其應(yīng)用于對感興趣目標(biāo)進(jìn)行輪廓跟蹤，通過在實際數(shù)據(jù)上的實驗，對方法的有效性進(jìn)行了驗證。
　?。?/p>