面向立體視覺的邊界提取研究.pdf

1、近年來，隨著計算機性能水平的不斷提高，它在人們的工作、生活中扮演著不可替代的角色。與此同時，人們也越來越希望計算機不僅能完成基本的運算功能，更期盼它能像人一樣去認識世界，感知世界。這種需求和推動在各個學科的發(fā)展中都有所回應，在計算機視覺這個領域，對圖像語義內(nèi)容的抽取就是一個很熱門的切入點，也是未來該學科進一步發(fā)展的一個突破點。本文所探討的邊界提取其實就是傳統(tǒng)的邊緣檢測朝這個方向發(fā)展的具體體現(xiàn)。
　　 邊界不同于傳統(tǒng)的邊緣，它定義

2、了目標的外表形狀，是確定目標與周圍環(huán)境的分界線，表示像素的所屬權(quán)從一個對象到另一個對象的改變。而邊緣只是表明了圖像中灰度、紋理、亮度等發(fā)生跳變的特性?？梢哉f，邊界是更高語義層次的邊緣。雖然現(xiàn)在已有一些算法嘗試去解決邊界提取的難題，但本文從另一個角度出發(fā)提供了一種可能的途徑。
　　 傳統(tǒng)的邊緣檢測或者邊界提取都是以單幅圖像為處理對象，而本文卻以立體圖對為出發(fā)點進行邊界提取的研究。我們從有顏色差異的立體圖對出發(fā)，通過顏色校正、立體匹

3、配，最后完成邊界提取的功能?？梢哉f，本文給出的是一個比較系統(tǒng)化的解決方案。在本文的研究中，我們主要對以下幾個相關問題進行了深入探討：
　　 針對實際應用中如何選擇分割算法的問題，提出了一種基于主觀評價的圖像分割評價算法。該算法首先讓參與者對分割結(jié)果進行主觀打分評價，然后對打分結(jié)果進行統(tǒng)計分析，從不同角度比較各算法的性能。在此過程中，我們著重考慮了每個算法的參數(shù)選取問題，并將算法性能的比較建立在10 組代表性參數(shù)的基礎上。這就使得

4、最終的評價結(jié)果更加公正可信，而這點也正是其它評價算法所忽視的和沒有很好解決的問題。
　　 針對立體圖對間顏色不一致的問題，提出了一種基于圖像分割和特征點匹配的顏色校正算法。本算法的關鍵是基于分區(qū)域補償?shù)乃枷?，這就避免了對圖像“一刀切”式的整體補償與局部區(qū)域需求的補償不吻合的矛盾。同時，本算法直接對立體圖對進行補償，不需要采用標準顏色板等復雜的校正手段，這使得本算法操作簡便，應用范圍更廣。本方法還可以方便地移植到多攝像機系統(tǒng)中。<

5、br>　　 針對分類問題中當類的先驗概率無法確定或者是處于變化當中時，分類器難以設計或者設計的分類器性能不高的問題，提出了一種基于分段線性化的分類器設計方法。該方法是在探討最小最大風險準則判決不足的基礎上引出的，也是對貝葉斯判決的近似。這不僅是一種通用的分類器設計方法，而且為本文邊界提取提供了一個很好的解決方法。
　　 圖像分割數(shù)據(jù)庫的建立。和現(xiàn)有的圖像分割數(shù)據(jù)庫不同，我們建立的數(shù)據(jù)庫是基于立體圖對的，既包含了手工分割的結(jié)果，