基于活動輪廓和雙目視差的前景目標分割算法研究.pdf

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