基于形狀的圖像輪廓賦形及目標檢測技術(shù).pdf

1、輪廓是理解視覺系統(tǒng)的關(guān)鍵因素，通常，人們可以通過一個物體的輪廓而迅速對此物體進行識別，并且，基于輪廓進行理解會大大的簡化視覺系統(tǒng)。一類物體可能會因為物體的亮度、顏色、紋理的不同而呈現(xiàn)出不同的特征，但是它們的輪廓卻非常接近，這對于計算機進行視覺理解很有好處，因為這大大降低同類物體的個體之間的差異，從而使計算機處理圖像更為簡便；而且，如果包含亮度、顏色和紋理信息，會使得訓(xùn)練樣本大大增加，這無疑會增加計算機處理的負擔，不同類型的物體之間可能有

2、相似的亮度、顏色、紋理等信息，這也會對計算機進行圖像理解產(chǎn)生許多困難?；谳喞闹匾?，本文的研究集中于形狀(輪廓)的提取，表示與識別。
　　 首先，將一幅圖像分割成感興趣的區(qū)域，提取圖像內(nèi)物體的輪廓對于圖像理解是非常重要的。本文提出了一種基于粒子濾波的邊界跟蹤的閉合輪廓提取算子，能夠在并不復(fù)雜的圖像環(huán)境下較快的提取出物體的輪廓，尤其適用于醫(yī)學(xué)圖像中。它具有和活動輪廓模型（如: Snake和Level Set）相當?shù)男阅?，但是卻

3、有更快的處理速度。在醫(yī)學(xué)圖像領(lǐng)域里很熱門的活動輪廓模型的方法有著計算復(fù)雜度較高的問題，而簡單的方法如分水嶺算法的精度又不能滿足要求，因此在某些對精度要求較高而處理時間要求較快的應(yīng)用場合中（如自動顯微鏡平臺下的細胞圖像分割），本文的分割算法具有較大的優(yōu)越性。
　　 其次，給定一個物體的輪廓，即形狀，如何能夠?qū)υ撔螤钸M行理解與表示，這也是計算機視覺的一大焦點。本文提出了一種新的形狀描述符，它具有尺度和旋轉(zhuǎn)不變性的優(yōu)點，并在處理非剛性

4、物體的形變問題上具有很好的性能，與其它同類算法相比，本文算法還具有能夠處理3D以及更高維點集匹配問題的優(yōu)越性。
　　 最后，如何對一幅真實圖像內(nèi)的物體進行識別，這是圖像視覺領(lǐng)域的最關(guān)鍵的技術(shù)。本文提出一種邊緣連接算子，能夠提取圖像的輪廓片段以利于計算機的理解；然后本文提出一種多尺度隨機場的模型，并針對此模型對松弛標簽(RelaxationLabeling)算法做了部分修改，使之能夠處理輪廓部分片段的丟失問題；最后，綜合本文提出的