基于GVFSnake模型的邊緣檢測(cè)研究.pdf

1、Snake模型是在初始輪廓曲線自身內(nèi)力和圖像數(shù)據(jù)外部約束力作用下產(chǎn)生移動(dòng)變形輪廓線，利用逐步迭代計(jì)算使輪廓曲線能量最小化，從而逼近目標(biāo)物體邊緣。傳統(tǒng)的Snake模型存在兩個(gè)不足：一是對(duì)輪廓線的初始位置設(shè)置要求較高；二是對(duì)具有較高曲率的凹形邊緣檢測(cè)效果不理想。在傳統(tǒng)Snake模型的改進(jìn)模型中，GVF Snake模型對(duì)解決初始輪廓線的設(shè)置和凹陷輪廓檢測(cè)兩個(gè)問題有明顯改善。其中GVF是一種新的無旋外部力場(chǎng)，它運(yùn)用熱擴(kuò)散的原理，對(duì)圖像的梯度矢量

2、進(jìn)行擴(kuò)散以擴(kuò)大Snake輪廓曲線的捕獲區(qū)域。
　　 本文提出一種結(jié)合Contourlet變換的GVF Snake模型邊緣檢測(cè)方法。Contourlet變換利用拉普拉斯塔式濾波器結(jié)構(gòu)對(duì)圖像進(jìn)行多分辨率分解來捕捉奇異點(diǎn)，然后根據(jù)方向信息將位置相近的奇異點(diǎn)匯集成輪廓段。該檢測(cè)方法利用Contourlet變換特性，找出物體輪廓線作為GVF Snake模型的初始輪廓線，通過迭代計(jì)算進(jìn)行邊緣檢測(cè)。實(shí)驗(yàn)結(jié)果顯示該方法的初始輪廓線設(shè)置合理有效，

3、計(jì)算時(shí)間減少，檢測(cè)效果明顯提高，能夠快速準(zhǔn)確地搜索到目標(biāo)邊緣。
　　 本文在步態(tài)識(shí)別中結(jié)合背景消減法和對(duì)稱差分法對(duì)運(yùn)動(dòng)人體分割，然后采用各項(xiàng)異性GVF Snake模型進(jìn)行邊緣檢測(cè)。GVF Snake模型對(duì)凹陷區(qū)域捕獲效果有所提高，但對(duì)深度凹陷形狀的目標(biāo)物體檢測(cè)仍然不夠理想。各項(xiàng)異性GVF Snake模型利用各向異性的特性抑制了在目標(biāo)邊界處的擴(kuò)散，加強(qiáng)了非邊界的擴(kuò)散，增強(qiáng)了模型對(duì)凹陷區(qū)域檢測(cè)的能力。實(shí)驗(yàn)結(jié)果表明該方法準(zhǔn)確有效地對(duì)人