基于活動(dòng)輪廓和雙目視差的前景目標(biāo)分割算法研究.pdf

1、圖像分割是基于圖像的目標(biāo)檢測(cè)、識(shí)別與跟蹤的關(guān)鍵步驟，也是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一。在過(guò)去的20年里，理論與實(shí)驗(yàn)大都致力于單目圖像分割算法的研究，活動(dòng)輪廓模型因具有易于建模且數(shù)學(xué)求解高效等優(yōu)點(diǎn)，被廣泛應(yīng)用于單目圖像分割。隨著立體圖像在目標(biāo)識(shí)別、目標(biāo)跟蹤及自動(dòng)導(dǎo)航等領(lǐng)域發(fā)揮重要作用，越來(lái)越多的學(xué)者開(kāi)始關(guān)注立體圖像分割技術(shù)。本研究借鑒用于單目灰度圖像分割的活動(dòng)輪廓模型的構(gòu)建經(jīng)驗(yàn)，結(jié)合初始輪廓自適應(yīng)提取方法，實(shí)現(xiàn)了活動(dòng)輪廓模型對(duì)復(fù)雜結(jié)構(gòu)彩色

2、立體圖像的自適應(yīng)且自動(dòng)分割，為基于立體圖像的目標(biāo)自動(dòng)檢測(cè)、自動(dòng)識(shí)別等應(yīng)用提供理論支持。
　　目前為止，研究者已提出諸多有效的活動(dòng)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(duì)目標(biāo)物體拓?fù)浣Y(jié)構(gòu)的變化適應(yīng)性較好，而得到廣泛應(yīng)用。但其也存在諸多缺點(diǎn)，如對(duì)初始輪廓敏感，劃分局部區(qū)域無(wú)參考準(zhǔn)則，同時(shí)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(wèn)題與不足，針對(duì)雙目立體圖像，

3、提出了一種基于活動(dòng)輪廓和雙目視差的前景目標(biāo)分割算法。該算法包括自適應(yīng)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(duì)的雙目視差對(duì)目標(biāo)圖像進(jìn)行預(yù)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(biāo)邊界，從而降低了對(duì)分割結(jié)果的影響。曲線演化以水平集方法為基礎(chǔ)，以包含全部前景目標(biāo)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(duì)分割結(jié)果的影響。
　　利用標(biāo)準(zhǔn)立體圖像對(duì)提出的分割算法進(jìn)行了性能