基于過分割的感興趣對象識別與自然輪廓抽取.pdf

1、視頻中基于物體輪廓的跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一項(xiàng)重要而有價(jià)值的基礎(chǔ)研究，而目標(biāo)物體的識別與輪廓抽取是輪廓跟蹤的一項(xiàng)關(guān)鍵技術(shù)。為了提高跟蹤的精度，本文設(shè)計(jì)了一種基于過分割的感興趣對象識別與自然輪廓抽取系統(tǒng)。主要研究內(nèi)容和解決問題如下:
　　1.由于場景中存在很多物體，通過建立了目標(biāo)物體的模板庫，在實(shí)施過程中可以有針對性的查找視頻圖像序列中的目標(biāo)物體，提高了目標(biāo)識別的精度和效率;
　　2.本文提出一種結(jié)合強(qiáng)魯棒性關(guān)鍵點(diǎn)檢測器FAS

2、T(Features from Accelerated SegmentTest)[18]和旋轉(zhuǎn)不變性的局部描述子DAISY[25]的物體識別方法，提高了特征匹配在不同場景和光照條件影響下的識別與定位精度;
　　3.本文引入過分割算法抽取物體自然輪廓。提出了一種融合優(yōu)度法(Goodness method)和偏差法(Discrepancy method)[40]優(yōu)點(diǎn)的過分割質(zhì)量評估方法，并利用實(shí)時(shí)邊界檢測算法生成的理想分割圖取代了手工

3、勾畫的理想分割圖，通過該方法選擇出最接近物體自然邊界的過分割算法;
　　4.研究了通過超像素聚類得到邊界閉合圈的算法，并提出基于EGIS(EfficientGraph-based Image Segmentation)[46]過分割算法的物體自然輪廓抽取方法，該方法可以精確抽取出物體的自然輪廓。
　　本文基于過分割對感興趣對象的識別與自然輪廓抽取的研究，提高了物體識別與自然輪廓抽取的精度，在航空航天、智能監(jiān)控系統(tǒng)和跟蹤系統(tǒng)領(lǐng)