圖像特征檢測(cè)與運(yùn)動(dòng)目標(biāo)分割算法的研究和實(shí)現(xiàn).pdf

1、該論文主要介紹了作者對(duì)計(jì)算機(jī)視覺中一些算法與實(shí)現(xiàn)技術(shù)的研究,主要包括圖像特征要素的檢測(cè)算法與實(shí)現(xiàn)、動(dòng)態(tài)輪廓的實(shí)時(shí)檢測(cè)算法以及序列圖像中運(yùn)動(dòng)目標(biāo)分割算法及其體系結(jié)構(gòu)設(shè)計(jì)等.該論文的目的是研究尋找簡(jiǎn)單高效的算法和設(shè)計(jì)適用的體系結(jié)構(gòu),從而使計(jì)算理論、算法和體系結(jié)構(gòu)三者結(jié)合起來(lái),使理論成果真正走向?qū)嵱?該論文的主要研究成果列舉如下:針對(duì)傳統(tǒng)直線檢測(cè)霍夫變換(Hough Transform,HT)所存在的參數(shù)空間存儲(chǔ)量大,直線檢測(cè)不精確以及圖像特

2、征點(diǎn)信息丟失等缺點(diǎn),提出兩種新的直線段檢測(cè)算法.對(duì)MIC(Minimum Intensity Change)角點(diǎn)檢測(cè)算法進(jìn)行深入探討,用模糊度概念進(jìn)行自適應(yīng)窗口插值,大大減少了以往MIC角點(diǎn)檢測(cè)普遍采用固定窗口插值所造成的漏檢和虛報(bào)概率;利用斜線上邊緣點(diǎn)的方向連續(xù)性,有效地濾除由于圖像量化誤差而造成的偽角點(diǎn).實(shí)驗(yàn)證明,新的算法明顯地提高了角點(diǎn)檢測(cè)的概率和準(zhǔn)確度.根據(jù)圖像邊緣灰度的漸變性,重新定義角點(diǎn)檢測(cè)SUSAN(Small Univa

3、lueSegment Assimilating Nucleus)算法中小核值相似區(qū)的定義,并找到一種更為簡(jiǎn)便有效的計(jì)算小核值相似區(qū)面積的方法,在此基礎(chǔ)上提出了RSUSAN(RedefinedSUSAN)角點(diǎn)檢測(cè)算法.相比較大多數(shù)角點(diǎn)檢測(cè)算法,RSUSAN具有角點(diǎn)檢測(cè)準(zhǔn)確性高,計(jì)算簡(jiǎn)單,運(yùn)算速度大為提高等優(yōu)點(diǎn).在研究動(dòng)態(tài)輪廓模型原理及其求解算法的基礎(chǔ)上提出了一種新的部分最優(yōu)化動(dòng)態(tài)規(guī)劃輪廓檢測(cè)算法,保留了動(dòng)態(tài)規(guī)劃算法的性能和優(yōu)點(diǎn),但綜合運(yùn)算

4、復(fù)雜度降低,運(yùn)算速度大大提高.研究序列圖像中多運(yùn)動(dòng)目標(biāo)分割所存在的問題,提出一種復(fù)雜背景下精確分割多運(yùn)動(dòng)目標(biāo)的方法.分析和實(shí)驗(yàn)表明,該算法抗干擾能力強(qiáng),可以有效地消除多幀間運(yùn)動(dòng)目標(biāo)的遮擋,對(duì)復(fù)雜背景及不重疊多目標(biāo)運(yùn)動(dòng)情況,可以精確地定位各個(gè)運(yùn)動(dòng)目標(biāo)的外輪廓.此外,該算法具有潛在的并行機(jī)制,易于實(shí)現(xiàn)實(shí)時(shí)運(yùn)動(dòng)圖像處理.最后,為了驗(yàn)證該論文所提出的相關(guān)算法,我們自行設(shè)計(jì)了基于USB2.0總線的動(dòng)態(tài)圖像采集處理平臺(tái),并在其上進(jìn)行了運(yùn)動(dòng)目標(biāo)檢測(cè)算