復雜場景下目標對象的分割與跟蹤.pdf

1、在計算機視覺領域,目標對象的分割與跟蹤一直是非常重要的課題。隨著高性能計算機和高清晰度攝像機的普及,對于智能視頻分析的大量需求,使得新的算法越來越得到大家的重視。目標的分割與跟蹤在眾多應用領域都有著密切的相關性,包括:自動化監(jiān)控、視頻索引、人機交互、車輛導航、交通監(jiān)視和基于運動的識別等等。本文主要研究的內(nèi)容是復雜場景下目標對象的分割與跟蹤。
　　全文主要分為三個部分,第一部分是形狀傳遞的聯(lián)合分割以及圖匹配校正的跟蹤算法。其主要有兩

2、個創(chuàng)新點,第一個創(chuàng)新點是在分割階段,我們將形狀預測圖與圖像內(nèi)容相結(jié)合,并借助坐標位置重定位,改進了圖模型的構(gòu)造方法,充分利用了目標物體的形狀先驗信息,對目標物體的內(nèi)容進行了保留,有效地提高了目標物體的分割準確度,同時確保了分割結(jié)果在時間上的一致連續(xù)性。為了保證分割的正確性,我們的第二個創(chuàng)新點是構(gòu)建了一個能量函數(shù),并通過圖匹配對能量函數(shù)進行最優(yōu)化,從而達到對分割結(jié)果進行補償?shù)淖饔?同時可以有效應對遮擋情況的發(fā)生。
　　第二部分是基于

3、血管能量函數(shù)和半徑可變球模型的肺部血管分割與結(jié)節(jié)檢測。該問題的難點在于區(qū)分肺部結(jié)節(jié)和肺部血管區(qū)域,因為兩者在CT圖像中對比度非常低。因此有效地檢測那些依附在肺部血管上的肺部結(jié)節(jié),并同時有效降低在肺部血管分叉處檢測肺部結(jié)節(jié)的假陽性是問題的關鍵。我們的貢獻是引入了新的血管能量函數(shù),使得能量函數(shù)中的能量項集中在血管的中心軸附近,并使其在血管邊界區(qū)域呈現(xiàn)明顯的下降,并且抑制具有團狀結(jié)構(gòu)的肺部結(jié)節(jié)區(qū)域。具有高能量響應的像素被設置為血管區(qū)域,通過不

4、斷的傳播擴散,最終的能量函數(shù)將會在低能量值的血管邊界區(qū)域終止。這樣我們就能夠分割得到整個血管區(qū)域。同時半徑可變球模型被用來細化血管分割的輪廓,確保了分割的血管中心線的平滑性和連續(xù)性。
　　第三部分是基于特征點匹配的實時目標檢測與跟蹤算法,我們實現(xiàn)了一個在視頻中實時檢測和跟蹤特定目標物體的系統(tǒng)。在檢測部分,為了有效提高檢測效率,降低時間復雜度,我們采用了Harris角點與SIFT描述子相結(jié)合的方法,同時引入了自適應尺度系數(shù)和自適應閾