基于SNAKE模型的物體輪廓提取及跟蹤技術研究.pdf

1、物體輪廓的提取和跟蹤技術可廣泛應用于醫(yī)學圖像、運動跟蹤、機器人路徑規(guī)劃、視頻安防監(jiān)控、無人駕駛汽車、卡通制作等領域，具有非常重要的意義，SNAKE模型是實現(xiàn)物體輪廓提取的一種有效方法，主要應用于醫(yī)學圖像，運動跟蹤，形狀識別。 文中闡述了在視頻攝像中跟蹤運動物體輪廓的一種方法，并對此方法進行改進，然后結合KALMAN濾波進行運動預測，實現(xiàn)運動物體的跟蹤。具體做法是，首先由用戶在感興趣的物體附近指定其輪廓，隨后該輪廓曲線會進化并鎖住

2、物體的邊緣。一旦鎖住之后，該物體的運動軌跡即可被跟蹤且不需要用戶再輸入任何參數(shù)。本文在總結他人研究成果的基礎上，在物體輪廓的提取方面，主要創(chuàng)新點是：將MINIMAX準則應用于參數(shù)的自動選取，對霍夫變換進行改進使其能應用于SNAKE初始輪廓的自動選取，對動態(tài)規(guī)劃算法進行改進使其應用于SNAKE模型，以及將KALMAN濾波與SNAKE模型相結合用以跟蹤運動物體的輪廓等。本文工作的主要研究工作包括：1.實現(xiàn)SNAKE模型的貪婪算法。2.解決S