圖像的聯(lián)合分割方法研究.pdf

1、圖像分割技術作為圖像處理以及計算機視覺領域一個重要的研究課題，在很多應用中發(fā)揮著重要作用，例如運動捕捉、圖像檢索、目標跟蹤、三維重建、視頻分析以及視頻壓縮等。聯(lián)合分割(co-segmentation)是利用多幅圖像間的前景相似性，同時對多幅圖像進行分割的方法。相對于單幅圖像分割的方法，聯(lián)合分割能較準確地從多幅圖像中同時分割出共同目標，并且需要較少的人工干預，因此吸引了很多學者的注意，并取得了驕人的成績。但是由于圖像的復雜性以及多樣性，聯(lián)

2、合分割算法的魯棒性需要進一步增強。
　　本文研究了常用的能量函數(shù)以及優(yōu)化模型，提出了一種基于區(qū)域的主動輪廓模型的聯(lián)合分割算法，能同時分割三幅圖像，此方法在傳統(tǒng)的主動輪廓模型中加入了圖像間的前景相似性限制以及單幅圖像背景的一致性限制;通過分析常用的前景相似性檢測模型，可以發(fā)現(xiàn)與懲罰策略相比獎勵策略便于能量函數(shù)優(yōu)化，對傳統(tǒng)的獎勵策略進行改進用于圖像間的前景相似性檢測;改變Chan-Vese模型的區(qū)域代表，選取隨著演化曲線區(qū)域變化的顏色

3、直方圖作為區(qū)域代表;根據(jù)提出的能量函數(shù)生成水平集，采用Euler-Lagrange方程最小化能量函數(shù)，使輪廓曲線收斂于共同目標邊緣。
　　除了對具有相似前景的圖像進行分割外，聯(lián)合分割也是解決多視角下圖像分割的一種方法。多視角下的聯(lián)合分割能夠較準確的分割目標，且分割結果可以用于三維重建。與之前的多視角圖像分割算法相比，聯(lián)合分割方法無需進行相機校準且只需較少人工干預，方便操作。
　　本文采用C＃與matlab混合編程搭建了一個聯(lián)