視覺顯著性特征約束下的形狀骨架提取與分解研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,能夠獲取和利用的圖像信息越來越豐富。如何從大量的圖像信息中獲取自己需要的部分,是當(dāng)前研究較為活躍的領(lǐng)域之一。物體的形狀特征在人的視覺系統(tǒng)中起著至關(guān)重要的作用,能夠把一個(gè)物體同周圍其他物體區(qū)分開來?；谛螤畹姆治雠c表示,在目標(biāo)識別、計(jì)算機(jī)圖形學(xué)、多媒體檢索、醫(yī)學(xué)圖像分析等眾多研究領(lǐng)域中都有廣泛的應(yīng)用。
　　形狀表達(dá)是基于形狀的相關(guān)應(yīng)用中的第一步,也是非常關(guān)鍵的一步。而現(xiàn)實(shí)世界中物體姿態(tài)千變?nèi)f化,也由于噪聲、

2、分割錯(cuò)誤等干擾給形狀表達(dá)帶來巨大的挑戰(zhàn)。如何在各種變化和噪聲干擾下,提取出物體形狀中較具代表性的特征,是本文的研究目標(biāo)。本文圍繞形狀表達(dá)這一核心進(jìn)行展開,研究了視覺顯著性特征約束下的形狀骨架特征提取以及形狀分解。具體工作如下:
　　(1)分析了離散曲線演化模型下的骨架剪枝算法的不足之處,提出結(jié)合離散曲線演化以及彎曲度比率兩種形狀視覺顯著性特征約束下的骨架生長算法。該算法的新穎之處為:1)將剪枝工作融入骨架提取過程中,直接獲取魯棒的

3、骨架特征。2)通過在骨架生長過程中,對于關(guān)鍵骨架點(diǎn)引入彎曲度比率的約束,在不顯著增加算法復(fù)雜度的基礎(chǔ)上,有效抑制了冗余骨架枝的產(chǎn)生。實(shí)驗(yàn)結(jié)果表明,在物體自身形變和輪廓噪聲等干擾下,本文提出的算法仍能有效的抑制冗余骨架枝的產(chǎn)生,獲得的骨架能夠較好的表示圖形中的視覺顯著部分。
　　(2)綜合了物體的結(jié)構(gòu)和邊界特征,如形狀骨架特征和積分不變量,提出了符合人類視覺感知的平面形狀分解方法。該算法的新穎之處為:1)分析了積分不變量相對于曲率這