基于粒子濾波的輪廓提取方法研究.pdf

1、　　輪廓是圖像的基本特征之一，準(zhǔn)確地提取出物體的輪廓為圖像的后續(xù)處理提供了重要的信息。它是特征提取和識(shí)別的初始步驟，也是計(jì)算機(jī)視覺(jué)領(lǐng)域的一大研究熱點(diǎn)，有著十分重要的實(shí)際應(yīng)用價(jià)值和理論研究意義。目前較常用的輪廓提取方法主要有先驗(yàn)知識(shí)法、水平集方法、活動(dòng)輪廓模型方法、數(shù)學(xué)形態(tài)學(xué)方法、基于梯度的方法、神經(jīng)動(dòng)力學(xué)方法、基于量子力學(xué)的方法等。粒子濾波是處理非線性非高斯條件下?tīng)顟B(tài)估計(jì)問(wèn)題的有力工具，已被廣泛應(yīng)用于目標(biāo)跟蹤、信號(hào)處理等諸多領(lǐng)域，但用于

2、研究輪廓提取的卻不是很多。
　　本文從狀態(tài)估計(jì)的角度出發(fā)，將圖像的目標(biāo)輪廓提取問(wèn)題看作是非線性非高斯條件下的狀態(tài)估計(jì)問(wèn)題，并嘗試借助粒子濾波理論在目標(biāo)跟蹤中所用的思路來(lái)解決輪廓的提取問(wèn)題。簡(jiǎn)而言之，本文將圖像中的目標(biāo)輪廓看作是由很多段單元線段所形成序列集，那么輪廓提取問(wèn)題就可以簡(jiǎn)單地轉(zhuǎn)化為依次計(jì)算這多個(gè)線段的問(wèn)題了，而對(duì)線段的計(jì)算又可以通過(guò)對(duì)其特征參數(shù)斜率和截距的估計(jì)得到。首先使用梯度算子檢測(cè)出相應(yīng)的邊緣，并將其作為目標(biāo)輪廓的預(yù)

3、測(cè)用以引導(dǎo)后續(xù)的輪廓提?。蝗缓蠼顟B(tài)空間，這里是基于直線斜率和截距的二維狀態(tài)空間，并在此基礎(chǔ)上對(duì)各個(gè)單元線段進(jìn)行估計(jì)；接著建立相應(yīng)的狀態(tài)轉(zhuǎn)移模型和觀測(cè)模型，最后將粒子的加權(quán)平均值作為最終的狀態(tài)輸出值。
　　針對(duì)上述問(wèn)題，本文進(jìn)行了深入的研究并開(kāi)展了以下幾個(gè)方面的研究：
　　1、提出了一種新的圖像去噪算法，運(yùn)用粒子濾波加權(quán)平均的思想對(duì)圖像進(jìn)行噪聲去除，同時(shí)兼顧了圖像的灰度信息和邊緣結(jié)構(gòu)信息，該算法在有效去除噪聲的同時(shí)保留

4、了圖像的基本紋理輪廓結(jié)構(gòu)，取得了較好的去噪效果。
　　2、提出了基于粒子濾波的輪廓提取方法，并搭建了一個(gè)從狀態(tài)空間的建立到輪廓輸出的完整的輪廓提取框架，可細(xì)分為以下四個(gè)小的模塊：
　　(1)狀態(tài)空間的建立。狀態(tài)空間的建立直接關(guān)系到采樣的效率，它是用粒子濾波理論解決實(shí)際問(wèn)題的基礎(chǔ)。本文運(yùn)用化曲為直的思想建立了基于單元線段參數(shù)的二維狀態(tài)空間；
　　(2)特征參數(shù)的選擇。通過(guò)對(duì)常用的一些描述輪廓的特征(如梯度、灰度、顏

5、色、紋理等)進(jìn)行分析比較后，本文選取了圖像中較簡(jiǎn)單且較常用的梯度和灰度特征作為輪廓提取的特征信息，對(duì)單純地運(yùn)用粒子濾波算法來(lái)進(jìn)行輪廓提取會(huì)面臨的粒子退化問(wèn)題起到了一定程度的改善作用。
　　(3)狀態(tài)轉(zhuǎn)移模型的建立。本文建立了粒子集在迭代過(guò)程的狀態(tài)轉(zhuǎn)移模型，引導(dǎo)粒子往最佳方向偏移，改善了粒子的分布，同時(shí)也加快了算法的收斂性。
　　(4)觀測(cè)模型的建立。本文是將觀測(cè)值與預(yù)測(cè)值差值的高斯函數(shù)作為評(píng)價(jià)函數(shù)，進(jìn)而對(duì)粒子的權(quán)值進(jìn)行估