面向立體視覺的邊界提取研究.pdf

1、近年來，隨著計(jì)算機(jī)性能水平的不斷提高，它在人們的工作、生活中扮演著不可替代的角色。與此同時(shí)，人們也越來越希望計(jì)算機(jī)不僅能完成基本的運(yùn)算功能，更期盼它能像人一樣去認(rèn)識(shí)世界，感知世界。這種需求和推動(dòng)在各個(gè)學(xué)科的發(fā)展中都有所回應(yīng)，在計(jì)算機(jī)視覺這個(gè)領(lǐng)域，對圖像語義內(nèi)容的抽取就是一個(gè)很熱門的切入點(diǎn)，也是未來該學(xué)科進(jìn)一步發(fā)展的一個(gè)突破點(diǎn)。本文所探討的邊界提取其實(shí)就是傳統(tǒng)的邊緣檢測朝這個(gè)方向發(fā)展的具體體現(xiàn)。
　　 邊界不同于傳統(tǒng)的邊緣，它定義

2、了目標(biāo)的外表形狀，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)對象到另一個(gè)對象的改變。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?？梢哉f，邊界是更高語義層次的邊緣。雖然現(xiàn)在已有一些算法嘗試去解決邊界提取的難題，但本文從另一個(gè)角度出發(fā)提供了一種可能的途徑。
　　 傳統(tǒng)的邊緣檢測或者邊界提取都是以單幅圖像為處理對象，而本文卻以立體圖對為出發(fā)點(diǎn)進(jìn)行邊界提取的研究。我們從有顏色差異的立體圖對出發(fā)，通過顏色校正、立體匹

3、配，最后完成邊界提取的功能。可以說，本文給出的是一個(gè)比較系統(tǒng)化的解決方案。在本文的研究中，我們主要對以下幾個(gè)相關(guān)問題進(jìn)行了深入探討：
　　 針對實(shí)際應(yīng)用中如何選擇分割算法的問題，提出了一種基于主觀評價(jià)的圖像分割評價(jià)算法。該算法首先讓參與者對分割結(jié)果進(jìn)行主觀打分評價(jià)，然后對打分結(jié)果進(jìn)行統(tǒng)計(jì)分析，從不同角度比較各算法的性能。在此過程中，我們著重考慮了每個(gè)算法的參數(shù)選取問題，并將算法性能的比較建立在10 組代表性參數(shù)的基礎(chǔ)上。這就使得

4、最終的評價(jià)結(jié)果更加公正可信，而這點(diǎn)也正是其它評價(jià)算法所忽視的和沒有很好解決的問題。
　　 針對立體圖對間顏色不一致的問題，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。本算法的關(guān)鍵是基于分區(qū)域補(bǔ)償?shù)乃枷耄@就避免了對圖像“一刀切”式的整體補(bǔ)償與局部區(qū)域需求的補(bǔ)償不吻合的矛盾。同時(shí)，本算法直接對立體圖對進(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，這使得本算法操作簡便，應(yīng)用范圍更廣。本方法還可以方便地移植到多攝像機(jī)系統(tǒng)中。<

5、br>　　 針對分類問題中當(dāng)類的先驗(yàn)概率無法確定或者是處于變化當(dāng)中時(shí)，分類器難以設(shè)計(jì)或者設(shè)計(jì)的分類器性能不高的問題，提出了一種基于分段線性化的分類器設(shè)計(jì)方法。該方法是在探討最小最大風(fēng)險(xiǎn)準(zhǔn)則判決不足的基礎(chǔ)上引出的，也是對貝葉斯判決的近似。這不僅是一種通用的分類器設(shè)計(jì)方法，而且為本文邊界提取提供了一個(gè)很好的解決方法。
　　 圖像分割數(shù)據(jù)庫的建立。和現(xiàn)有的圖像分割數(shù)據(jù)庫不同，我們建立的數(shù)據(jù)庫是基于立體圖對的，既包含了手工分割的結(jié)果，