学位论文 > 优秀研究生学位论文题录展示

水平集框架下协方差区域描绘子及能量建模

作　者: 徐惠群
导　师: 马波
学　校: 北京理工大学
专　业: 计算机科学与技术
关键词: 主动轮廓跟踪水平集方法协方差匹配对数欧拉距离核函数
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 29次
引　用: 0次
阅　读: 论文下载

内容摘要

图像目标跟踪是计算机视觉领域的重要研究分支,广泛应用于视频监控,医学图像处理以及智能交通系统等多个领域。在过去的几十年中,研究者们已经提出了一些非常成功的跟踪算法,包括主动轮廓跟踪,粒子滤波以及核跟踪等。本文利用特征协方差矩阵作为区域描绘子,重点研究基于协方差匹配的主动轮廓模型构建以及梯度流求解算法。1)本文采用Frobenius矩阵范数衡量两个协方差矩阵间的对数-欧拉距离,提出了一种新颖的图像能量:极小化给定模板与候选目标区域的协方差距离,同时极大化给定模板与候选背景区域的协方差距离。分别为上述两项加上权值系数,用以控制前、背景信息在模型中所占比重。2)在某些情况下,可能缺少先验模板信息,这时可以以极大化候选目标区域与候选背景区域的协方差距离作为主动轮廓跟踪模型的进化机制,这是本文提出的第二种图像能量模型。去掉了模板信息,使得该模型同样可以应用于图像分割。3)受Mean-Shift方法的启发,本文提出了基于协方差匹配的核跟踪方法。该方法利用核函数控制图像中不同像素点对整体产生的影响,通过极小化目标函数,迭代产生每一帧图像目标区域的质心。与基于分布的主动轮廓方法相比,本文提出的基于协方差匹配的跟踪方法利用非欧氏几何建模主动轮廓跟踪模型中的图像区域能量项,这使得跟踪结果更加准确,同时综合考虑了图像序列中的各种信息及彼此之间的相关性,不依赖于前、背景信息的分布,使跟踪方法更具有普适性。另外,本文所提基于协方差匹配的核跟踪方法,受光照、噪声的影响程度较Mean-Shift方法更小,因此跟踪过程中迭代得到的质心更稳定。实验结果验证了该算法的有效性。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-15
  1.1 课题研究意义  9-10
  1.2 国内外研究现状  10-13
  1.3 课题研究内容及安排  13-15
第二章相关理论及方法  15-27
  2.1 变分法和梯度下降流  15-17
    2.1.1 变分原理  15-16
    2.1.2 梯度下降流  16-17
  2.2 有限差分法  17-21
    2.2.1 有限差分格式  17-19
    2.2.2 显式、隐式及半隐式方案  19-21
  2.3 水平集方法  21-23
  2.4 协方差跟踪  23-27
第三章基于协方差匹配的主动轮廓跟踪  27-55
  3.1 基于协方差匹配的模板跟踪  27-46
    3.1.1 图像能量建模  27-28
    3.1.2 梯度流推导  28-30
    3.1.3 先验形状项  30-32
    3.1.4 惩罚能量项  32
    3.1.5 完整的能量泛函  32-33
    3.1.6 实验结果分析与对比  33-46
  3.2 基于协方差匹配的无模板跟踪  46-55
    3.2.1 跟踪方法能量建模  46
    3.2.2 图像分割方法  46-55
第四章基于协方差匹配的核跟踪算法  55-73
  4.1 Mean-Shift 跟踪算法简介  55-58
    4.1.1 核函数  55-56
    4.1.2 概率密度梯度  56-57
    4.1.3 Mean-Shift 跟踪算法  57-58
  4.2 基于协方差匹配的核跟踪  58-61
  4.3 实验结果分析与对比  61-73
第五章总结与展望  73-75
参考文献  75-79
攻读学位期间发表论文与研究成果清单  79-81
致谢  81

水平集框架下协方差区域描绘子及能量建模

内容摘要

全文目录

相似论文