活動輪廓模型在足跡圖像分割中的應(yīng)用.pdf

1、目前，足跡分析和識別正處在由人工向自動化的過渡階段，準(zhǔn)確的圖像分割和邊緣提取是實現(xiàn)足跡自動識別的重要基礎(chǔ)。由于足跡圖像的自身特點，傳統(tǒng)的圖像處理方法很難滿足要求，直接影響到足跡的準(zhǔn)確識別。 活動輪廓模型(Snake模型)是一種高效輪廓探測法，對弱邊界、模糊、噪聲圖像有良好的輪廓提取效果，已被廣泛應(yīng)用于邊緣提取、圖像分割、運動跟蹤、3D重建等領(lǐng)域。本文對它的基本原理、實現(xiàn)方法進(jìn)行了全面論述，通過對模型的改進(jìn)，將它應(yīng)用在實際問題中，

2、取得了滿意的結(jié)果。 本文的主要研究工作如下： 提出一種將經(jīng)典Snake模型與自適應(yīng)變模型相結(jié)合的算法，該算法快速提取圖像中的開邊緣并識別邊緣形狀，進(jìn)而實現(xiàn)赤足足跡跖后緣的自動提取與形狀識別。該方法首先對原圖像校正、平滑去噪，由數(shù)學(xué)形態(tài)學(xué)方法得到Snake模型的初始輪廓，迭代求解實現(xiàn)跖后緣的快速、精確提取。然后，由高次多項式進(jìn)行數(shù)字濾波，得到濾波后邊緣曲線方程。最后利用先驗知識，依據(jù)平均曲率的變化，自適應(yīng)地選取不同的函數(shù)模

3、型，提取出相應(yīng)特征，進(jìn)行足跡邊緣形狀的自動識別。仿真結(jié)果表明，該方法的總識別率可以達(dá)到88％。 根據(jù)足跡圖像的特點，提出一種基于改進(jìn)GVF模型的弱邊界提取方法。該方法首先通過中值濾波和弱邊界梯度增強進(jìn)行圖像預(yù)處理，然后利用區(qū)域灰度的先驗知識，引入高斯型模糊貼近度，與氣球力結(jié)合形成模糊氣球力和GVF場共同形成外力。模糊氣球力在壓痕區(qū)內(nèi)形成很大推力，使控點向邊界快速移動，在邊界處力很小，在邊界外形成迅速加大的斥力，將控點推回邊界。