結(jié)合角點(diǎn)檢測(cè)的GVF Snake改進(jìn)模型.pdf

1、邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別和區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ),是圖像識(shí)別中提取圖像特征的重要方法。邊緣檢測(cè)技術(shù)方面,目前已經(jīng)有很多算法被提出并可大致分成以下幾類:空域微分算子法、小波變換法、神經(jīng)網(wǎng)絡(luò)法、分形理論法、模糊檢測(cè)法、數(shù)學(xué)形態(tài)學(xué)法、能量檢測(cè)法等。而在能量檢測(cè)法中最經(jīng)典的是Kass等人提出的Snake模型。雖然傳統(tǒng)的Snake模型及一些改進(jìn)模型在圖像處理中已經(jīng)達(dá)到了較好的效果,但具有其自身的缺點(diǎn):主要是對(duì)初始位置敏感

2、需要依賴其他機(jī)制將Snake放置在感興趣的圖像特征附近,且難以收斂到凹陷邊緣。近數(shù)年已有不少改進(jìn)的算法,例如GVF Snake模型等,改進(jìn)效果明顯,但是這算法也沒有完全解決凹陷邊緣收斂問題。
　　 本文對(duì)邊緣檢測(cè)理論和角點(diǎn)算法作了深入的研究,在具體分析各類傳統(tǒng)的邊緣檢測(cè)算法的基礎(chǔ)上,重點(diǎn)研究了GVF Snake模型和Harris、SUSAN角點(diǎn)檢測(cè)算法,并在Harris算法基礎(chǔ)上改進(jìn)得到Harris-USAN角點(diǎn)提取算法,最后結(jié)