基于動(dòng)態(tài)輪廓線的圖像融合與面積測(cè)量研究.pdf

1、本文首先總結(jié)了圖像融合基本層次和常用方法，重點(diǎn)研究了多分辨率像素級(jí)融合，它是以單個(gè)像素作為基本處理單元。雖然通過(guò)像素級(jí)融合得到的融合圖像具有更加全面精確的景物信息，但是該融合圖像卻很少和具體的目標(biāo)檢測(cè)、識(shí)別或跟蹤等具體任務(wù)直接相關(guān)聯(lián)。特征級(jí)融合主要是對(duì)各種模式圖像中的某一種特征的所有內(nèi)容進(jìn)行融合（例如對(duì)圖像中的所有邊緣進(jìn)行融合），處理的數(shù)據(jù)量大。因此當(dāng)前的像素級(jí)融合和特征級(jí)融合一般都是對(duì)靜態(tài)圖像作處理。這樣，如何針對(duì)動(dòng)態(tài)圖像（例如連續(xù)的

2、視頻序列圖像）中人們感興趣的特定目標(biāo)的某一特征進(jìn)行快速融合處理應(yīng)該做深入研究。因此，本文將動(dòng)態(tài)輪廓線模型和圖像融合結(jié)合，將動(dòng)態(tài)輪廓線的應(yīng)用范圍擴(kuò)展到多類模式圖像，充分利用融合圖像的豐富準(zhǔn)確信息，提高了動(dòng)態(tài)輪廓線針對(duì)特定目標(biāo)輪廓邊緣的檢測(cè)識(shí)別跟蹤性能。
　　本文研究了一種基于紅外與可見(jiàn)光圖像融合和微分耦合機(jī)制的動(dòng)態(tài)輪廓線跟蹤新方法，提高了動(dòng)態(tài)輪廓線在可見(jiàn)光圖像中的跟蹤準(zhǔn)確性。這種方法將R.Curwen提出的微分耦合機(jī)制作了改進(jìn)，它把

3、剛性硬模板利用圖像配準(zhǔn)改變?yōu)閷?shí)時(shí)的變換模板并推導(dǎo)了融合后動(dòng)態(tài)輪廓線的新的動(dòng)力學(xué)方程。這種方法利用了紅外圖像目標(biāo)輪廓信息約束可見(jiàn)光圖像中動(dòng)態(tài)輪廓線的收斂形狀，有效的提高了可見(jiàn)光圖像目標(biāo)輪廓跟蹤的準(zhǔn)確性。對(duì)運(yùn)動(dòng)人手序列圖像的對(duì)比跟蹤實(shí)驗(yàn)表明，這種方法使得可見(jiàn)光圖像中動(dòng)態(tài)輪廓線平均跟蹤誤差減小了60.10％。
　　為了進(jìn)一步提高動(dòng)態(tài)輪廓線的跟蹤速度，減少其跟蹤單楨圖像所需時(shí)間，使其能夠跟蹤視頻圖像序列，本文又研究了一種基于紅外與可見(jiàn)光圖

4、像融合和B樣條曲線范數(shù)極小化的動(dòng)態(tài)輪廓線跟蹤新方法。這種方法不再需要圖像配準(zhǔn)過(guò)程，因此它提高了動(dòng)態(tài)輪廓線的跟蹤速度。它利用了B樣條形狀空間模型，在跟蹤過(guò)程中將運(yùn)動(dòng)目標(biāo)的輪廓融合轉(zhuǎn)換為動(dòng)態(tài)輪廓線控制點(diǎn)向量差和形狀空間向量差的范數(shù)平方和極小化，將圖像配準(zhǔn)和圖像目標(biāo)輪廓融合通過(guò)B樣條曲線的范數(shù)平方和極小化這一步過(guò)程來(lái)實(shí)現(xiàn)。實(shí)驗(yàn)表明這種方法不僅有效的提高了動(dòng)態(tài)輪廓線在可見(jiàn)光圖像中的運(yùn)動(dòng)目標(biāo)輪廓跟蹤精度，并且使動(dòng)態(tài)輪廓線能夠跟蹤視頻圖像序列（采樣

5、率25frames/s）。L2 L2雖然上面兩種方法都提高了動(dòng)態(tài)輪廓線在可見(jiàn)光圖像中的運(yùn)動(dòng)目標(biāo)輪廓跟蹤精度，但是它們具有以下兩點(diǎn)局限性：首先，它們要求初始的動(dòng)態(tài)輪廓線距離目標(biāo)的真實(shí)輪廓線較近，否則動(dòng)態(tài)輪廓線無(wú)法收斂到正確位置，將其用于跟蹤時(shí)只能跟蹤緩慢運(yùn)動(dòng)的目標(biāo)。此外,這兩種方法都要求動(dòng)態(tài)輪廓線在紅外圖像中的收斂結(jié)果較好，它不適用于多聚焦圖像和互補(bǔ)型圖像的圖像融合，這就限制了動(dòng)態(tài)輪廓線的應(yīng)用范圍。
　　多分辨率分析在計(jì)算機(jī)視覺(jué)和像

6、素級(jí)圖像融合中被廣泛采用，但是，該方法在動(dòng)態(tài)輪廓線中的應(yīng)用還不多見(jiàn)。本文又提出了一種新穎的多分辨率動(dòng)態(tài)輪廓線，它克服了上面提到的兩個(gè)缺點(diǎn)。首先，它使得動(dòng)態(tài)輪廓線可以跟蹤快速運(yùn)動(dòng)的目標(biāo)。其次，它將動(dòng)態(tài)輪廓線和基于多分辨率機(jī)制的圖像像素級(jí)融合有機(jī)結(jié)合，提高了動(dòng)態(tài)輪廓線檢測(cè)與跟蹤的準(zhǔn)確性，使其適用于各種模式的圖像（包括紅外與可見(jiàn)光圖像，多聚焦圖像和互補(bǔ)型圖像等），擴(kuò)展了動(dòng)態(tài)輪廓線的應(yīng)用范圍。
　　本文還將動(dòng)態(tài)輪廓線應(yīng)用于二維圖像測(cè)量機(jī)中

7、，擴(kuò)展了二維圖像測(cè)量機(jī)的測(cè)量功能，使其能夠精確測(cè)量不規(guī)則形狀的微小物體表面積。應(yīng)用二維圖像測(cè)量機(jī)中的圖像瞄準(zhǔn)系統(tǒng)測(cè)量面積時(shí)需要兩個(gè)步驟，即圖像目標(biāo)像素面積的計(jì)算和像素尺寸當(dāng)量的標(biāo)定。對(duì)于前者，本文采用了基于B樣條封閉曲線的面積公式；對(duì)于后者，本文使用了一種新穎的形心自標(biāo)定技術(shù)，它不需要任何標(biāo)準(zhǔn)試件。實(shí)驗(yàn)表明這種測(cè)量方法具有抗干擾性好，測(cè)量速度快等優(yōu)點(diǎn)。但是，該方法有一局限性，就是動(dòng)態(tài)輪廓線的初始化位置需要人工給定，而動(dòng)態(tài)輪廓線的最終收斂

8、結(jié)果受其初始化位置影響較大，從而使得測(cè)量的重復(fù)性誤差和單次測(cè)量誤差較大。
　　因此，為了進(jìn)一步減小測(cè)量的重復(fù)性誤差，提高單次測(cè)量精度，本文又將多分辨率動(dòng)態(tài)輪廓線技術(shù)應(yīng)用于面積測(cè)量。它不僅保留了原有的單分辨率動(dòng)態(tài)輪廓線面積測(cè)量的優(yōu)點(diǎn)，而且降低了動(dòng)態(tài)輪廓線對(duì)其初始化位置的依賴程度，使其初始化位置可以偏離目標(biāo)真實(shí)輪廓較遠(yuǎn)。這樣，提高了動(dòng)態(tài)輪廓線單次測(cè)量精度，增強(qiáng)了其收斂的穩(wěn)定性。實(shí)驗(yàn)表明在動(dòng)態(tài)輪廓線控制點(diǎn)數(shù)目為20時(shí)，該方法的圖像目標(biāo)像