基于水平集理论框架的成像目标分割与跟踪技术研究

摘要

图像分割和目标跟踪是图像理解和识别的前提，一直是图像处理和计算机视觉领域的研究热点。对于图像分割，由于噪声、对比度低和强度不均匀等因素，如何准确分割出目标对象仍然是一个具有挑战的工作。而目标跟踪问题中由于目标拓扑变换、遮挡、光照变化、相机抖动等问题，如何实现对目标长时间稳定的跟踪同样是一个困难的问题。基于水平集图像处理方法，由于其具有自由拓扑变换以及多信息共融性的优点，近年来受到广泛关注。因此，本文开展了基于水平集理论的图像分割和目标跟踪方法的研究。本文的主要研究内容及成果如下：
　　深入研究基于曲线演化理论和水平集方法的图像处理方法。介绍曲线演化理论的基本概念，能量函数求极值的方法。水平集理论方面，研究水平集方法的基本原理、水平集演化方程的数值解法、以及推广到含有平流运动和曲率运动的情况。讨论分析水平集方法实现中涉及的水平集函数的初始化、速度场的拓展和迭代时间步长的选取的关键问题。
　　设计一种基于快速的混合水平集模型。充分分析经典的水平集模型的特点。为解决演化曲线对初始位置的敏感性，以及分割强度不均匀图像的难题，新模型融合了局部图像拟合项和全局的图像拟合项，以驱动轮廓演化，繁冗的重新初始化程序被完全消除。该方法可以准确地分割具有非均匀性质的图像，并且最终的分割结果与初始曲线的初始位置无关。在其数值实现中，引入代数多重网格方法用于打破时间步长的限制，从而大大缩短演进过程的时间消耗，使算法能够快速收敛到目标的真实位置。
　　提出一种基于多特征融合轮廓跟踪方法。重点研究轮廓跟踪方法的基本原理和分类，对经典的主动轮廓模型的性能进行充分的分析。提出的方法通过选取LBP、HOG特征和HSI特征，并进行特征融合，实现对目标特征的精确提取，从而建立目标的判别式模型。根据判别式模型，运用支持向量机分类器获得目标的置信图，将置信图作为轮廓的外部能量引入水平集框架中，加上轮廓自身的内部能量，一起引导轮廓进化到目标的边缘位置。

目录

声明

第一章绪 论

1.1研究背景及意义

1.2国内外研究现状

1.3论文研究内容与章节安排

第二章水平集演化理论研究

2.1曲线演化理论

2.2水平集理论

2.3水平集方法实现的关键技术

2.4本章小结

第三章水平集图像分割算法研究

3.1经典的水平集模型

3.2混合水平集模型

3.3 AMG求解策略

3.4实验结果及分析

3.5本章小结

第四章水平集轮廓跟踪算法研究

4.1轮廓跟踪方法

4.2本文轮廓跟踪方法

4.3特征构建

4.4分类器研究

4.5分割模型

4.6基于多特征融合的轮廓跟踪方法

4.7实验结果及分析

4.8本章小结

第五章总结与展望

5.1全文工作总结

5.2后续工作展望

致谢

参考文献