目標(biāo)輪廓提取方法研究.pdf

1、圖像分割是圖像處理、計(jì)算機(jī)視覺、模式識(shí)別中的核心問題，對(duì)它們的發(fā)展有非常大的影響。目標(biāo)輪廓提取是圖像分割重要研究?jī)?nèi)容，在圖像識(shí)別與圖像分析中占有重要地位，已廣范應(yīng)用于軍事、醫(yī)學(xué)圖像分析等許多領(lǐng)域，取得了令人矚目的研究成果。該文針對(duì)目標(biāo)輪廓提取方法及應(yīng)用，從以下四個(gè)方面進(jìn)行了研究：(1)基于偏微分方程目標(biāo)輪廓提取方法；(2)基于量子力學(xué)中粒子運(yùn)動(dòng)規(guī)律的目標(biāo)輪廓提取方法；(3)具有仿射不變性的目標(biāo)輪廓自動(dòng)提??；(4)將具有仿射不變性的目標(biāo)輪

2、廓自動(dòng)提取方法應(yīng)用于艦船打擊效果評(píng)估。該文首先對(duì)目前常用的基于偏微分方程目標(biāo)輪廓提取方法，如主動(dòng)輪廓模型、目標(biāo)輪廓能量全局最小主動(dòng)輪廓模型、拓?fù)渥赃m性Snake模型，以及水平集分割方法等作了比較，指出了各自的優(yōu)缺點(diǎn)。在此基礎(chǔ)上，改進(jìn)了基于最小作用曲面與鞍點(diǎn)的封閉輪廓曲線提取方法，提出了一種基于最小作用曲面及圖像二分法的封閉輪廓提取方法，用一條直線將圖像分成兩幅小圖像，以一種簡(jiǎn)單的方式解決了封閉輪廓曲線檢測(cè)問題，避免了復(fù)雜的鞍點(diǎn)檢測(cè)過程。

3、同時(shí)，從理論上分析了基于最小作用曲面及圖像二分法的封閉輪廓曲線提取方法的算法復(fù)雜性，證明了該方法的運(yùn)行時(shí)間比基于最小作用曲面與鞍點(diǎn)的封閉輪廓曲線提取方法快。自Snake模型出現(xiàn)以來，人們對(duì)其作了許多改進(jìn)，提出了許多不同的目標(biāo)輪廓提取方法。但是從本質(zhì)上講，它們均屬于基于經(jīng)典力學(xué)中能量最小方法或者與之等價(jià)的方法(如牛頓定律:力的平衡，合力為零)，其自身存在固有缺點(diǎn)。例如，圖像含有噪聲，而經(jīng)典力學(xué)則沒有考慮圖像和目標(biāo)輪廓的這種統(tǒng)計(jì)特性。為了解

4、決這一問題，該文將量子力學(xué)中關(guān)于粒子運(yùn)動(dòng)規(guī)律引入目標(biāo)輪廓提取。通過對(duì)經(jīng)典力學(xué)與量子力學(xué)中粒子運(yùn)動(dòng)規(guī)律的分析和類比，提出了量子輪廓模型新概念，給出了預(yù)測(cè)粒子運(yùn)動(dòng)位置集合的兩種方式：線模式與扇形模式；討論了粒子從一點(diǎn)運(yùn)動(dòng)到另一點(diǎn)的概率計(jì)算問題；研究了量子輪廓模型中有分枝目標(biāo)輪廓的提取、輪廓曲線的收斂性及輪廓曲線光滑性問題；提出了多粒子量子輪廓模型；最后分析了基于量子力學(xué)中粒子運(yùn)動(dòng)規(guī)律的目標(biāo)輪廓提取方法的邊緣檢測(cè)定位性能及算法時(shí)間復(fù)雜性。實(shí)驗(yàn)

5、結(jié)果表明，基于量子力學(xué)的目標(biāo)輪廓提取方法具有定位精度高，運(yùn)算速度快等優(yōu)點(diǎn)。雖然從理論上講，主動(dòng)輪廓方法可以提取任意形狀的目標(biāo)輪廓，但是，這類方法需要調(diào)節(jié)的參數(shù)太多，從而使所提取的目標(biāo)輪廓具有一定主觀性，并且無法實(shí)現(xiàn)目標(biāo)輪廓的自動(dòng)提取。如果能夠充分利用目標(biāo)形狀的先驗(yàn)知識(shí)，就有可能精確地提取圖像中的目標(biāo)輪廓，實(shí)現(xiàn)目標(biāo)輪廓的自動(dòng)提取。為此，該文研究了具有仿射不變性的目標(biāo)輪廓提取問題。在基于圖像理解的打擊效果評(píng)估中，對(duì)使用的光學(xué)圖像有三個(gè)要求：

6、目標(biāo)輪廓沒有太大的變形、打擊目標(biāo)在圖像中心附近、具有相同的觀測(cè)方向，并且圖像中的目標(biāo)輪廓可近似看作是真實(shí)目標(biāo)輪廓在圖像平面上的仿射變換，視點(diǎn)在目標(biāo)的正上方附近，在這些條件下，該文給出了仿射變換參數(shù)的一種規(guī)范化方法；給出了形殊點(diǎn)的一個(gè)無窮類，討論了它們的極限性質(zhì)；提出了形殊線的概念，并利用形殊線求解兩個(gè)輪廓圖間的旋轉(zhuǎn)變換參數(shù)；給出了一種基于輪廓曲線能量和遺傳算法的仿射變換參數(shù)求解方法，采用帶電粒子模型對(duì)梯度圖像進(jìn)行變換，實(shí)現(xiàn)了具有仿射不變

7、性目標(biāo)輪廓的自動(dòng)提取。該文將目標(biāo)輪廓提取方法應(yīng)用于艦船打擊效果評(píng)估，研究了基于圖像理解艦船打擊效果的自動(dòng)評(píng)估問題。提出了艦船打擊效果評(píng)估的兩種模式，利用目標(biāo)輪廓的先驗(yàn)信息提取打擊(前)后圖像中目標(biāo)輪廓實(shí)現(xiàn)了打擊(前)后圖像中的目標(biāo)與目標(biāo)輪廓模型的配準(zhǔn)，解決了打擊部位的識(shí)別問題；通過建立艦船及打擊部位特征庫、艦船數(shù)據(jù)庫及打擊效果評(píng)估知識(shí)庫實(shí)現(xiàn)了對(duì)打擊目標(biāo)及打擊部位的理解；提出了打擊效果評(píng)估的數(shù)學(xué)模型，研究了知識(shí)庫的智能維護(hù)問題，實(shí)現(xiàn)了基于