主動(dòng)輪廓模型研究及其在目標(biāo)跟蹤中的應(yīng)用.pdf

1、　　在過去的近二十年時(shí)間里，主動(dòng)輪廓模型作為計(jì)算機(jī)視覺領(lǐng)域的重要研究方向吸引了越來(lái)越多的研究者的注意。該模型不同于D.Marr的視覺計(jì)算理論所描述的自下而上的處理過程，而是一種充分利用高層信息的自上而下的處理過程。它為輪廓提取、立體匹配和目標(biāo)跟蹤等一系列視覺問題提供了一個(gè)統(tǒng)一的理論框架，并已在圖像分割、醫(yī)學(xué)圖像處理、人機(jī)交互、監(jiān)視和監(jiān)控等許多領(lǐng)域獲得了廣泛的應(yīng)用。但該模型仍然存在許多問題，因此有必要對(duì)它做深入研究，以提出新的改進(jìn)算法。<

2、br>　　本文闡述了主動(dòng)輪廓模型的基本原理，研究了傳統(tǒng)參數(shù)化主動(dòng)輪廓模型能量函數(shù)最小化的改進(jìn)算法。因?yàn)閭鹘y(tǒng)參數(shù)化主動(dòng)輪廓模型對(duì)輪廓線的初始位置非常敏感，如果初始輪廓線不能足夠接近目標(biāo)的實(shí)際邊界，那么所得結(jié)果容易受圖像噪聲和強(qiáng)邊界等因素的影響而不準(zhǔn)確。針對(duì)這個(gè)問題，首先基于目標(biāo)與背景區(qū)域灰度值服從不同的高斯分布的假設(shè)，依據(jù)Bayes判決準(zhǔn)則在傳統(tǒng)的主動(dòng)輪廓模型中引入了區(qū)域能量；為進(jìn)一步減小輪廓線受強(qiáng)邊界的影響，在引入?yún)^(qū)域能量的基礎(chǔ)上，又在

3、彈性能量中引入了區(qū)域統(tǒng)計(jì)信息和自適應(yīng)調(diào)節(jié)策略，從而得到了一種改進(jìn)的主動(dòng)輪廓模型。最后，把這種改進(jìn)的主動(dòng)輪廓模型與基于塊匹配的運(yùn)動(dòng)估計(jì)算法相結(jié)合，用于大噪聲圖像中的目標(biāo)分割和復(fù)雜背景下單個(gè)剛體運(yùn)動(dòng)目標(biāo)的跟蹤，并進(jìn)行了仿真。
　　實(shí)驗(yàn)結(jié)果表明，在傳統(tǒng)主動(dòng)輪廓模型中引入改進(jìn)的區(qū)域能量，可以減少輪廓線受噪聲影響，在一定程度上提高了分割的準(zhǔn)確性；在彈性能量中引入?yún)^(qū)域信息和自適應(yīng)調(diào)節(jié)機(jī)制后，使彈性能量在目標(biāo)與背景區(qū)域內(nèi)有相反的作用，在很大程度