視覺(jué)顯著性特征約束下的形狀骨架提取與分解研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,能夠獲取和利用的圖像信息越來(lái)越豐富。如何從大量的圖像信息中獲取自己需要的部分,是當(dāng)前研究較為活躍的領(lǐng)域之一。物體的形狀特征在人的視覺(jué)系統(tǒng)中起著至關(guān)重要的作用,能夠把一個(gè)物體同周?chē)渌矬w區(qū)分開(kāi)來(lái)?；谛螤畹姆治雠c表示,在目標(biāo)識(shí)別、計(jì)算機(jī)圖形學(xué)、多媒體檢索、醫(yī)學(xué)圖像分析等眾多研究領(lǐng)域中都有廣泛的應(yīng)用。
　　形狀表達(dá)是基于形狀的相關(guān)應(yīng)用中的第一步,也是非常關(guān)鍵的一步。而現(xiàn)實(shí)世界中物體姿態(tài)千變?nèi)f化,也由于噪聲、

2、分割錯(cuò)誤等干擾給形狀表達(dá)帶來(lái)巨大的挑戰(zhàn)。如何在各種變化和噪聲干擾下,提取出物體形狀中較具代表性的特征,是本文的研究目標(biāo)。本文圍繞形狀表達(dá)這一核心進(jìn)行展開(kāi),研究了視覺(jué)顯著性特征約束下的形狀骨架特征提取以及形狀分解。具體工作如下:
　　(1)分析了離散曲線演化模型下的骨架剪枝算法的不足之處,提出結(jié)合離散曲線演化以及彎曲度比率兩種形狀視覺(jué)顯著性特征約束下的骨架生長(zhǎng)算法。該算法的新穎之處為:1)將剪枝工作融入骨架提取過(guò)程中,直接獲取魯棒的

3、骨架特征。2)通過(guò)在骨架生長(zhǎng)過(guò)程中,對(duì)于關(guān)鍵骨架點(diǎn)引入彎曲度比率的約束,在不顯著增加算法復(fù)雜度的基礎(chǔ)上,有效抑制了冗余骨架枝的產(chǎn)生。實(shí)驗(yàn)結(jié)果表明,在物體自身形變和輪廓噪聲等干擾下,本文提出的算法仍能有效的抑制冗余骨架枝的產(chǎn)生,獲得的骨架能夠較好的表示圖形中的視覺(jué)顯著部分。
　　(2)綜合了物體的結(jié)構(gòu)和邊界特征,如形狀骨架特征和積分不變量,提出了符合人類(lèi)視覺(jué)感知的平面形狀分解方法。該算法的新穎之處為:1)分析了積分不變量相對(duì)于曲率這