基于立體視覺的邊界提取研究.pdf

1、圖像語(yǔ)義內(nèi)容的自動(dòng)抽取是多媒體和計(jì)算機(jī)視覺等領(lǐng)域的一個(gè)研究熱點(diǎn)。其中，如何抽取給定圖像中感興趣區(qū)域的邊界又是決定相關(guān)圖像語(yǔ)義抽取算法成敗的關(guān)鍵所在。
　　 邊界不同于傳統(tǒng)的邊緣，它由目標(biāo)在圖像平面上的輪廓所描述，是確定目標(biāo)與周圍環(huán)境的分界線，表示像素的所屬權(quán)從一個(gè)對(duì)象到另一個(gè)對(duì)象的改變。而邊緣只是表明了圖像中灰度、紋理、亮度等發(fā)生跳變的特性。可以說(shuō)，邊界是更高語(yǔ)義層次的邊緣。
　　 傳統(tǒng)的邊緣檢測(cè)或者邊界提取大多是以單幅

2、圖像為處理對(duì)象的，而本文卻以立體圖對(duì)為輸入，重點(diǎn)研究如何從立體圖對(duì)中提取目標(biāo)邊界的問(wèn)題。為此，本文以有顏色差異的立體圖對(duì)為研究對(duì)象，對(duì)相關(guān)的顏色校正、立體匹配和邊界提取等問(wèn)題進(jìn)行了深入的探討，給出了一個(gè)從立體圖對(duì)出發(fā)確定目標(biāo)邊界的系統(tǒng)化解決方案。
　　 本文的主要工作和創(chuàng)新點(diǎn)如下：
　　 (1)針對(duì)實(shí)際應(yīng)用中如何選擇圖像分割算法的問(wèn)題，提出了一種圖像分割算法性能的主觀評(píng)價(jià)方法。首先讓參與者對(duì)圖像分割結(jié)果進(jìn)行主觀評(píng)價(jià)，然后

3、對(duì)打分結(jié)果進(jìn)行統(tǒng)計(jì)分析，從不同角度比較各算法的性能。為使最終的評(píng)價(jià)結(jié)果更加公正可信，評(píng)價(jià)過(guò)程中考慮了各算法的參數(shù)選取對(duì)圖像分割結(jié)果的影響。具體言之，首先讓參與評(píng)價(jià)的每個(gè)算法各選用10組代表性參數(shù)進(jìn)行圖像分割，然后對(duì)分割結(jié)果進(jìn)行評(píng)價(jià)以比較各自算法的性能。
　　 (2)針對(duì)立體圖對(duì)間可能存在的顏色不一致問(wèn)題，提出了一種基于圖像分割和特征點(diǎn)匹配的顏色校正算法。本算法采取分區(qū)域補(bǔ)償?shù)牟呗?，較好地解決了同一圖像的不同區(qū)域間顏色特性不一致的

4、問(wèn)題，克服了“一刀切”式的整體補(bǔ)償方法的缺點(diǎn)，可以在顏色特性不一致的立體圖對(duì)間較好地完成顏色補(bǔ)償任務(wù)。同時(shí)，本算法直接對(duì)立體圖對(duì)進(jìn)行補(bǔ)償，不需要采用標(biāo)準(zhǔn)顏色板等復(fù)雜的校正手段，這使得本算法不僅操作簡(jiǎn)便，應(yīng)用范圍也更廣。
　　 (3)針對(duì)最小最大風(fēng)險(xiǎn)判決準(zhǔn)則的不足之處，提出了一種基于分段線性化的通用分類器設(shè)計(jì)方法。理論計(jì)算和實(shí)驗(yàn)結(jié)果表明，依據(jù)本方法設(shè)計(jì)的分類器的性能接近于貝葉斯分類器。本文將上述基于分段線性化的分類器設(shè)計(jì)方法用于邊

5、界提取，取得了令人滿意的結(jié)果。
　　 (4)建立了一個(gè)以算法評(píng)價(jià)為目的的立體圖對(duì)圖像分割數(shù)據(jù)庫(kù)，為今后開展圖像分割和邊界提取相關(guān)研究提供了一個(gè)實(shí)驗(yàn)和比較平臺(tái)。和現(xiàn)有的圖像分割數(shù)據(jù)庫(kù)不同，所建立的數(shù)據(jù)庫(kù)是基于立體圖對(duì)的，既包含了手工分割的結(jié)果，又有標(biāo)準(zhǔn)的深度信息。
　　 (5)將深度信息和其它底層信息融合起來(lái)，提出了一種基于分類判決的邊界提取算法。與傳統(tǒng)的邊界提取算法不同，本算法利用立體圖對(duì)提供的視差信息完成目標(biāo)邊界的提取