隐马尔可夫模型在对象定位中的应用与实现

论文摘要

在图象处理和计算机视觉研究领域中,对象定位一直是一个饶有趣味并富有挑战性的课题。对象定位技术在诸如医疗辅助诊断、武器精确制导、人机交互等医学、军事和计算机科学众多领域都发挥着至关重要的作用,并显示出巨大的应用前景。 本文以医学图象中脊柱的定位为应用背景,把一维隐马尔可夫模型（1-D HMM）应用于二维图象中线性结构对象的定位。为了提取包含丰富特征信息的特征矢量,本文提出了一种新的特征重叠抽取技术。同时基于对经典 Viterbi 算法的分析和理解,并结合本文实际情况对其进行改进,提出了全局最优搜索算法完成对象定位,在此基础上还进一步提出了可控的最优搜索算法,以解决定位时间和定位性能间的矛盾。 为了验证所提方法的有效性,本文以真实的人体脊柱 X 光照片为实验样本进行了大量的定位实验。实验结果表明:与传统的对象定位方法相比,HMM 模型不需要对图象施加较多的限制,就可获得满意的定位结果,具有较高的通用性和准确性。同时分别引入了特征重叠特征抽取技术和可控的最优搜索算法之后,定位效果有了进一步的提高。本文还通过实验分析了实现特征重叠抽取的采样窗口的变化及重叠度对定位性能的影响,分析了当对最优搜索的步数进行控制时定位性能的变化,并根据实验数据总结出了一些可用于指导建立 HMM 模型原型的规律。在此基础上提出了一些改进的思想和方法,这对于提高线性结构对象的定位性能,促进基于 HMM 的对象定位方法向实用化方面发展具有一定的借鉴价值。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 图象中对象定位的重要性及现状
• 1.1.2 HMM 的应用及发展现状
• 1.2 本文的研究方法和主要解决的问题
• 1.3 本文的组织
• 第二章 HMM 及其在对象定位中的应用
• 2.1 HMM 方法介绍
• 2.1.1 一维（1-D）HMM 及参数
• 2.1.2 Baum-Welch 算法
• 2.1.3 前向—后向算法
• 2.1.4 Viterbi 算法
• 2.2 基于HMM 的对象识别和定位方法
• 2.2.1 训练步骤
• 2.2.2 模型参数再估计
• 2.2.3 识别和定位
• 第三章 特征重叠抽取技术
• 3.1 图象中线性结构对象的特征表示
• 3.2 特征重叠抽取技术
• 3.2.1 采样窗口
• 3.2.2 含有重叠度的特征抽取
• 第四章 可控的最优搜索定位算法
• 4.1 对Viterbi 算法的改进
• 4.1.1 使用最佳中心点剪枝的Viterbi 算法
• 4.1.2 使用最佳中心点剪枝算法的局限
• 4.2 全局最优搜索算法
• 4.2.1 全局最优搜索算法的思路
• 4.2.2 全局最优搜索算法
• 4.3 可控的最优搜索算法
• 4.4 小结
• 第五章 实验结果与分析
• 5.1 测试图象库
• 5.2 HMM 拓扑
• 5.3 定位性能度量
• 5.4 测试过程中的参数选择
• 5.5 特征重叠抽取的采样窗口技术对定位性能的影响
• 5.6 可控的最优搜索算法对定位性能的影响
• 5.7 小结
• 第六章 总结与改进
• 6.1 本文的主要工作
• 6.2 改进工作的建议
• 参考文献
• 致谢
• 在学期间发表论文