基于粒子濾波的輪廓提取方法研究.pdf

1、　　輪廓是圖像的基本特征之一，準確地提取出物體的輪廓為圖像的后續(xù)處理提供了重要的信息。它是特征提取和識別的初始步驟，也是計算機視覺領(lǐng)域的一大研究熱點，有著十分重要的實際應(yīng)用價值和理論研究意義。目前較常用的輪廓提取方法主要有先驗知識法、水平集方法、活動輪廓模型方法、數(shù)學形態(tài)學方法、基于梯度的方法、神經(jīng)動力學方法、基于量子力學的方法等。粒子濾波是處理非線性非高斯條件下狀態(tài)估計問題的有力工具，已被廣泛應(yīng)用于目標跟蹤、信號處理等諸多領(lǐng)域，但用于

2、研究輪廓提取的卻不是很多。
　　本文從狀態(tài)估計的角度出發(fā)，將圖像的目標輪廓提取問題看作是非線性非高斯條件下的狀態(tài)估計問題，并嘗試借助粒子濾波理論在目標跟蹤中所用的思路來解決輪廓的提取問題。簡而言之，本文將圖像中的目標輪廓看作是由很多段單元線段所形成序列集，那么輪廓提取問題就可以簡單地轉(zhuǎn)化為依次計算這多個線段的問題了，而對線段的計算又可以通過對其特征參數(shù)斜率和截距的估計得到。首先使用梯度算子檢測出相應(yīng)的邊緣，并將其作為目標輪廓的預

3、測用以引導后續(xù)的輪廓提取；然后建立狀態(tài)空間，這里是基于直線斜率和截距的二維狀態(tài)空間，并在此基礎(chǔ)上對各個單元線段進行估計；接著建立相應(yīng)的狀態(tài)轉(zhuǎn)移模型和觀測模型，最后將粒子的加權(quán)平均值作為最終的狀態(tài)輸出值。
　　針對上述問題，本文進行了深入的研究并開展了以下幾個方面的研究：
　　1、提出了一種新的圖像去噪算法，運用粒子濾波加權(quán)平均的思想對圖像進行噪聲去除，同時兼顧了圖像的灰度信息和邊緣結(jié)構(gòu)信息，該算法在有效去除噪聲的同時保留

4、了圖像的基本紋理輪廓結(jié)構(gòu)，取得了較好的去噪效果。
　　2、提出了基于粒子濾波的輪廓提取方法，并搭建了一個從狀態(tài)空間的建立到輪廓輸出的完整的輪廓提取框架，可細分為以下四個小的模塊：
　　(1)狀態(tài)空間的建立。狀態(tài)空間的建立直接關(guān)系到采樣的效率，它是用粒子濾波理論解決實際問題的基礎(chǔ)。本文運用化曲為直的思想建立了基于單元線段參數(shù)的二維狀態(tài)空間；
　　(2)特征參數(shù)的選擇。通過對常用的一些描述輪廓的特征(如梯度、灰度、顏

5、色、紋理等)進行分析比較后，本文選取了圖像中較簡單且較常用的梯度和灰度特征作為輪廓提取的特征信息，對單純地運用粒子濾波算法來進行輪廓提取會面臨的粒子退化問題起到了一定程度的改善作用。
　　(3)狀態(tài)轉(zhuǎn)移模型的建立。本文建立了粒子集在迭代過程的狀態(tài)轉(zhuǎn)移模型，引導粒子往最佳方向偏移，改善了粒子的分布，同時也加快了算法的收斂性。
　　(4)觀測模型的建立。本文是將觀測值與預測值差值的高斯函數(shù)作為評價函數(shù)，進而對粒子的權(quán)值進行估