主動輪廓模型研究及其在目標跟蹤中的應(yīng)用.pdf

1、　　在過去的近二十年時間里，主動輪廓模型作為計算機視覺領(lǐng)域的重要研究方向吸引了越來越多的研究者的注意。該模型不同于D.Marr的視覺計算理論所描述的自下而上的處理過程，而是一種充分利用高層信息的自上而下的處理過程。它為輪廓提取、立體匹配和目標跟蹤等一系列視覺問題提供了一個統(tǒng)一的理論框架，并已在圖像分割、醫(yī)學(xué)圖像處理、人機交互、監(jiān)視和監(jiān)控等許多領(lǐng)域獲得了廣泛的應(yīng)用。但該模型仍然存在許多問題，因此有必要對它做深入研究，以提出新的改進算法。<

2、br>　　本文闡述了主動輪廓模型的基本原理，研究了傳統(tǒng)參數(shù)化主動輪廓模型能量函數(shù)最小化的改進算法。因為傳統(tǒng)參數(shù)化主動輪廓模型對輪廓線的初始位置非常敏感，如果初始輪廓線不能足夠接近目標的實際邊界，那么所得結(jié)果容易受圖像噪聲和強邊界等因素的影響而不準確。針對這個問題，首先基于目標與背景區(qū)域灰度值服從不同的高斯分布的假設(shè)，依據(jù)Bayes判決準則在傳統(tǒng)的主動輪廓模型中引入了區(qū)域能量；為進一步減小輪廓線受強邊界的影響，在引入?yún)^(qū)域能量的基礎(chǔ)上，又在

3、彈性能量中引入了區(qū)域統(tǒng)計信息和自適應(yīng)調(diào)節(jié)策略，從而得到了一種改進的主動輪廓模型。最后，把這種改進的主動輪廓模型與基于塊匹配的運動估計算法相結(jié)合，用于大噪聲圖像中的目標分割和復(fù)雜背景下單個剛體運動目標的跟蹤，并進行了仿真。
　　實驗結(jié)果表明，在傳統(tǒng)主動輪廓模型中引入改進的區(qū)域能量，可以減少輪廓線受噪聲影響，在一定程度上提高了分割的準確性；在彈性能量中引入?yún)^(qū)域信息和自適應(yīng)調(diào)節(jié)機制后，使彈性能量在目標與背景區(qū)域內(nèi)有相反的作用，在很大程度