基于水平集理論框架的成像目標分割與跟蹤技術(shù)研究.pdf

1、圖像分割和目標跟蹤是圖像理解和識別的前提，一直是圖像處理和計算機視覺領(lǐng)域的研究熱點。對于圖像分割，由于噪聲、對比度低和強度不均勻等因素，如何準確分割出目標對象仍然是一個具有挑戰(zhàn)的工作。而目標跟蹤問題中由于目標拓撲變換、遮擋、光照變化、相機抖動等問題，如何實現(xiàn)對目標長時間穩(wěn)定的跟蹤同樣是一個困難的問題?；谒郊瘓D像處理方法，由于其具有自由拓撲變換以及多信息共融性的優(yōu)點，近年來受到廣泛關(guān)注。因此，本文開展了基于水平集理論的圖像分割和目標跟

2、蹤方法的研究。本文的主要研究內(nèi)容及成果如下：
　　深入研究基于曲線演化理論和水平集方法的圖像處理方法。介紹曲線演化理論的基本概念，能量函數(shù)求極值的方法。水平集理論方面，研究水平集方法的基本原理、水平集演化方程的數(shù)值解法、以及推廣到含有平流運動和曲率運動的情況。討論分析水平集方法實現(xiàn)中涉及的水平集函數(shù)的初始化、速度場的拓展和迭代時間步長的選取的關(guān)鍵問題。
　　設(shè)計一種基于快速的混合水平集模型。充分分析經(jīng)典的水平集模型的特點。為

3、解決演化曲線對初始位置的敏感性，以及分割強度不均勻圖像的難題，新模型融合了局部圖像擬合項和全局的圖像擬合項，以驅(qū)動輪廓演化，繁冗的重新初始化程序被完全消除。該方法可以準確地分割具有非均勻性質(zhì)的圖像，并且最終的分割結(jié)果與初始曲線的初始位置無關(guān)。在其數(shù)值實現(xiàn)中，引入代數(shù)多重網(wǎng)格方法用于打破時間步長的限制，從而大大縮短演進過程的時間消耗，使算法能夠快速收斂到目標的真實位置。
　　提出一種基于多特征融合輪廓跟蹤方法。重點研究輪廓跟蹤方法的