圖像特征檢測與運動目標分割算法的研究和實現(xiàn).pdf

1、該論文主要介紹了作者對計算機視覺中一些算法與實現(xiàn)技術(shù)的研究,主要包括圖像特征要素的檢測算法與實現(xiàn)、動態(tài)輪廓的實時檢測算法以及序列圖像中運動目標分割算法及其體系結(jié)構(gòu)設(shè)計等.該論文的目的是研究尋找簡單高效的算法和設(shè)計適用的體系結(jié)構(gòu),從而使計算理論、算法和體系結(jié)構(gòu)三者結(jié)合起來,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:針對傳統(tǒng)直線檢測霍夫變換(Hough Transform,HT)所存在的參數(shù)空間存儲量大,直線檢測不精確以及圖像特

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

3、lueSegment Assimilating Nucleus)算法中小核值相似區(qū)的定義,并找到一種更為簡便有效的計算小核值相似區(qū)面積的方法,在此基礎(chǔ)上提出了RSUSAN(RedefinedSUSAN)角點檢測算法.相比較大多數(shù)角點檢測算法,RSUSAN具有角點檢測準確性高,計算簡單,運算速度大為提高等優(yōu)點.在研究動態(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)化動態(tài)規(guī)劃輪廓檢測算法,保留了動態(tài)規(guī)劃算法的性能和優(yōu)點,但綜合運算

4、復(fù)雜度降低,運算速度大大提高.研究序列圖像中多運動目標分割所存在的問題,提出一種復(fù)雜背景下精確分割多運動目標的方法.分析和實驗表明,該算法抗干擾能力強,可以有效地消除多幀間運動目標的遮擋,對復(fù)雜背景及不重疊多目標運動情況,可以精確地定位各個運動目標的外輪廓.此外,該算法具有潛在的并行機制,易于實現(xiàn)實時運動圖像處理.最后,為了驗證該論文所提出的相關(guān)算法,我們自行設(shè)計了基于USB2.0總線的動態(tài)圖像采集處理平臺,并在其上進行了運動目標檢測算