基于形狀的圖像輪廓賦形及目標(biāo)檢測(cè)技術(shù).pdf

1、輪廓是理解視覺系統(tǒng)的關(guān)鍵因素，通常，人們可以通過一個(gè)物體的輪廓而迅速對(duì)此物體進(jìn)行識(shí)別，并且，基于輪廓進(jìn)行理解會(huì)大大的簡(jiǎn)化視覺系統(tǒng)。一類物體可能會(huì)因?yàn)槲矬w的亮度、顏色、紋理的不同而呈現(xiàn)出不同的特征，但是它們的輪廓卻非常接近，這對(duì)于計(jì)算機(jī)進(jìn)行視覺理解很有好處，因?yàn)檫@大大降低同類物體的個(gè)體之間的差異，從而使計(jì)算機(jī)處理圖像更為簡(jiǎn)便；而且，如果包含亮度、顏色和紋理信息，會(huì)使得訓(xùn)練樣本大大增加，這無疑會(huì)增加計(jì)算機(jī)處理的負(fù)擔(dān)，不同類型的物體之間可能有

2、相似的亮度、顏色、紋理等信息，這也會(huì)對(duì)計(jì)算機(jī)進(jìn)行圖像理解產(chǎn)生許多困難。基于輪廓的重要性，本文的研究集中于形狀(輪廓)的提取，表示與識(shí)別。
　　 首先，將一幅圖像分割成感興趣的區(qū)域，提取圖像內(nèi)物體的輪廓對(duì)于圖像理解是非常重要的。本文提出了一種基于粒子濾波的邊界跟蹤的閉合輪廓提取算子，能夠在并不復(fù)雜的圖像環(huán)境下較快的提取出物體的輪廓，尤其適用于醫(yī)學(xué)圖像中。它具有和活動(dòng)輪廓模型（如: Snake和Level Set）相當(dāng)?shù)男阅埽菂s

3、有更快的處理速度。在醫(yī)學(xué)圖像領(lǐng)域里很熱門的活動(dòng)輪廓模型的方法有著計(jì)算復(fù)雜度較高的問題，而簡(jiǎn)單的方法如分水嶺算法的精度又不能滿足要求，因此在某些對(duì)精度要求較高而處理時(shí)間要求較快的應(yīng)用場(chǎng)合中（如自動(dòng)顯微鏡平臺(tái)下的細(xì)胞圖像分割），本文的分割算法具有較大的優(yōu)越性。
　　 其次，給定一個(gè)物體的輪廓，即形狀，如何能夠?qū)υ撔螤钸M(jìn)行理解與表示，這也是計(jì)算機(jī)視覺的一大焦點(diǎn)。本文提出了一種新的形狀描述符，它具有尺度和旋轉(zhuǎn)不變性的優(yōu)點(diǎn)，并在處理非剛性

4、物體的形變問題上具有很好的性能，與其它同類算法相比，本文算法還具有能夠處理3D以及更高維點(diǎn)集匹配問題的優(yōu)越性。
　　 最后，如何對(duì)一幅真實(shí)圖像內(nèi)的物體進(jìn)行識(shí)別，這是圖像視覺領(lǐng)域的最關(guān)鍵的技術(shù)。本文提出一種邊緣連接算子，能夠提取圖像的輪廓片段以利于計(jì)算機(jī)的理解；然后本文提出一種多尺度隨機(jī)場(chǎng)的模型，并針對(duì)此模型對(duì)松弛標(biāo)簽(RelaxationLabeling)算法做了部分修改，使之能夠處理輪廓部分片段的丟失問題；最后，綜合本文提出的