圖像分割和目標(biāo)跟蹤中的若干問(wèn)題研究.pdf

1、論文對(duì)圖像分割和目標(biāo)跟蹤這兩個(gè)計(jì)算機(jī)視覺(jué)中的基本任務(wù)進(jìn)行了研究。在圖像分割方面，基于主動(dòng)輪廓模型（Active Contour Model，簡(jiǎn)稱(chēng)ACM）、梯度向量流（Gradient Vector Flow，簡(jiǎn)稱(chēng)GVF）、分水嶺（Watershed）和Mean Shift等圖像分割算法，提出了若干改進(jìn)方案，并將其中兩種算法應(yīng)用到計(jì)算機(jī)輔助中醫(yī)舌診中的舌象分割任務(wù)。在目標(biāo)跟蹤方面，以Mean Shift跟蹤算法為對(duì)象，提出了三種改進(jìn)的目標(biāo)

2、跟蹤算法，分別解決了目標(biāo)尺度和方向的估計(jì)以及復(fù)雜環(huán)境下的目標(biāo)表示問(wèn)題。論文取得了以下主要研究成果： （1）提出了法線(xiàn)方向GVF（GVF in the Normal Direction，簡(jiǎn)稱(chēng)NGVF）和各向異性GVF（Anisotropic GVF）兩種改進(jìn)的主動(dòng)輪廓模型外力場(chǎng)圖像分割方法。NGVF以拉普拉斯算子沿法線(xiàn)方向的擴(kuò)散代替GVF中的拉普拉斯擴(kuò)散項(xiàng)；Anisotropic GVF依據(jù)圖像的局部結(jié)構(gòu)自適應(yīng)選擇拉普拉斯算子沿法

3、線(xiàn)和切線(xiàn)方向的擴(kuò)散速度。二者分別改進(jìn)了GVF在進(jìn)入細(xì)長(zhǎng)凹部和保護(hù)圖像邊界等方面的性能。 （2）提出了一種結(jié)合1維 GVF（1D-GVF）和分水嶺算法的圖像分割方法。1D-GVF的擴(kuò)散過(guò)程既使邊界信息向光滑區(qū)域插值，又能在保留圖像大尺度特征的同時(shí)，去除小尺度細(xì)節(jié)。處理后的圖像具有適合于分水嶺分割的良好結(jié)構(gòu)，顯著降低了過(guò)分割現(xiàn)象，為區(qū)域合并等后處理提供了較為可靠的統(tǒng)計(jì)基礎(chǔ)。 （3）提出了一種交互式區(qū)域合并算法。該算法從區(qū)域分

4、割算法的初始結(jié)果中提取有意義的目標(biāo)。它是一種基于最大相似度機(jī)制的區(qū)域合并算法，能夠在用戶(hù)定義標(biāo)記的指導(dǎo)下，自動(dòng)提取目標(biāo)。 （4）將1D-GVF圖像分割方法和交互式區(qū)域合并算法相結(jié)合，用于計(jì)算機(jī)輔助中醫(yī)舌診。首先，基于1D-GVF和分水嶺算法分割舌圖像，得到初步的區(qū)域分割結(jié)果。其次，通過(guò)分析舌圖像的結(jié)構(gòu)特征自動(dòng)設(shè)置目標(biāo)標(biāo)記和背景標(biāo)記，運(yùn)用提出的交互式區(qū)域合并算法提取舌象。最后，利用ACM算法進(jìn)一步優(yōu)化提取的舌象邊界。 （5

5、）提出了一種尺度和方向自適應(yīng)Mean Shift跟蹤算法（Scale and Orientation Adaptive Mean Shift Tracking，簡(jiǎn)稱(chēng)SOAMST）。該算法基于矩分析和Bhattacharyya系數(shù)，在原始的Mean Shift框架下，估計(jì)目標(biāo)真實(shí)的尺度和方向，增強(qiáng)了Mean Shift算法在目標(biāo)發(fā)生較大形變時(shí)的適應(yīng)能力。 （6）結(jié)合背景和紋理特征，提出了兩種目標(biāo)表示方法，增強(qiáng)Mean Shift算