版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、圖像分割是基于圖像的目標檢測、識別與跟蹤的關鍵步驟,也是計算機視覺領域的研究熱點之一。在過去的20年里,理論與實驗大都致力于單目圖像分割算法的研究,活動輪廓模型因具有易于建模且數(shù)學求解高效等優(yōu)點,被廣泛應用于單目圖像分割。隨著立體圖像在目標識別、目標跟蹤及自動導航等領域發(fā)揮重要作用,越來越多的學者開始關注立體圖像分割技術。本研究借鑒用于單目灰度圖像分割的活動輪廓模型的構(gòu)建經(jīng)驗,結(jié)合初始輪廓自適應提取方法,實現(xiàn)了活動輪廓模型對復雜結(jié)構(gòu)彩色
2、立體圖像的自適應且自動分割,為基于立體圖像的目標自動檢測、自動識別等應用提供理論支持。
目前為止,研究者已提出諸多有效的活動輪廓模型,其中基于局部信息的Local Chan-Vese(LCV)模型因其不含有圖像梯度,且對目標物體拓撲結(jié)構(gòu)的變化適應性較好,而得到廣泛應用。但其也存在諸多缺點,如對初始輪廓敏感,劃分局部區(qū)域無參考準則,同時僅適用于分割單目灰度圖像,不適用于彩色立體圖像分割。為了克服以上問題與不足,針對雙目立體圖像,
3、提出了一種基于活動輪廓和雙目視差的前景目標分割算法。該算法包括自適應選擇初始輪廓的位置和曲線演化兩部分。首先,利用立體圖像對的雙目視差對目標圖像進行預分割,然后將其分割結(jié)果構(gòu)造為初始輪廓,由于基于雙目視差提取的初始輪廓逼近前景目標邊界,從而降低了對分割結(jié)果的影響。曲線演化以水平集方法為基礎,以包含全部前景目標信息的局部圖像為演化圖像,既減少演化迭代次數(shù),又降低了背景對分割結(jié)果的影響。
利用標準立體圖像對提出的分割算法進行了性能
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于活動輪廓的圖像分割算法研究.pdf
- 基于活動輪廓模型的肝臟分割算法研究.pdf
- SAR圖像目標分割活動輪廓模型及其算法的研究.pdf
- 基于活動輪廓模型的目標分割與跟蹤的研究.pdf
- 基于活動輪廓模型的非同質(zhì)圖像分割算法研究.pdf
- 基于活動輪廓的低溫冷凍細胞圖像分割算法研究.pdf
- 基于活動輪廓模型的圖像分割算法研究與應用.pdf
- 基于活動輪廓模型分割方法研究.pdf
- 基于粒子濾波和活動輪廓模型的目標跟蹤算法研究.pdf
- 基于活動輪廓模型的肺組織圖像分割算法研究.pdf
- 基于幾何活動輪廓模型的醫(yī)學圖像分割算法研究.pdf
- 基于活動輪廓的圖像分割模型研究.pdf
- 基于局部統(tǒng)計和結(jié)構(gòu)的活動輪廓分割模型.pdf
- 基于神經(jīng)網(wǎng)絡的雙目視差估計.pdf
- 基于活動輪廓模型的肺組織圖像分割算法研究(1)
- 基于活動輪廓模型的圖像分割方法研究.pdf
- 基于活動輪廓模型的醫(yī)學圖像分割.pdf
- 基于區(qū)域活動輪廓模型的圖像分割.pdf
- 雙目視覺配準的最優(yōu)視差連續(xù)塊算法.pdf
- 基于活動輪廓模型和閉合形式的圖像分割方法研究.pdf
評論
0/150
提交評論