基于粒子滤波器模型的图像对象分割算法

论文摘要

图像对象分割,即从一幅复杂背景的图像中提取出观察者感兴趣的对象,是图像分割技术的最高目标。由于图像分割技术几乎出现在所有与图像相关的领域,具有广泛的应用需求,因此,对图像对象分割理论及其相关技术进行研究具有十分重要的意义。视觉机理的研究表明,对象分割离不开反映对象特征的先验知识的指导,但单纯利用高层对象特征的自顶向下分割方法又面临着分割精度不高的困局。为此,近些年来,越来越多的研究者开始走自底向上与自顶向下相结合的组合式分割路线。本论文在此技术思想的指导下,分别提取图像底层信息以及对象形状顶层信息,并成功的应用粒子滤波器模型将多层视觉信息相结合,得到令人满意的图像对象分割结果。本文主要研究内容包括:1)以归一化切分算法为例,讨论了传统图像分割的定义及算法分类。本文根据归一化切分结果图的特点,利用归一化切分结果图中的边缘片段提取图像底层信息。2)由于对象的形状具有多样性,本文摈弃了传统基于轮廓/区域的对象形状描述法,而是利用对象形状的局部特性,指导算法实现图像对象的分割。3)本文提出的基于粒子滤波器模型的图像对象分割算法与前人算法最大的不同之处在于粒子滤波器模型的运用。归一化切分结果图中的边缘片段被视为粒子,随着边缘片段沿着分割图的延伸,粒子的权重不断更新,使得算法最终收敛于对象轮廓。本文的研究结果表明,通过粒子滤波器模型结合的图像分割的底层信息以及对象顶层的局部形状特性,可以得到较好的图像对象分割结果。此算法对于对象具有显著纹理或者出现部分遮挡的情况尤为有效。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景与意义
• 1.2 本课题国内外研究现状
• 1.3 本文研究的主要内容
• 2 图像底层信息提取
• 2.1 图像分割介绍
• 2.2 归一化切分（Normalized Cuts）图像分割算法
• 2.3 图像底层信息的提取与描述
• 2.4 本章小结
• 3 对象顶层信息提取
• 3.1 常用的形状描述方式
• 3.2 轮廓片段的提取和描述
• 3.3 轮廓片段数据库的建立
• 3.4 本章小结
• 4 粒子滤波器原理
• 4.1 贝叶斯滤波原理
• 4.2 蒙特卡罗方法
• 4.3 粒子滤波原理
• 4.4 本章小结
• 5 基于粒子滤波器模型的图像对象分割算法
• 5.1 基本粒子滤波器算法
• 5.2 粒子的重要性权值计算
• 5.3 改进粒子滤波器算法
• 5.4 本章小结
• 6 算法实现与实验结果分析
• 6.1 算法实现细节
• 6.2 实验结果与分析
• 6.3 本章小结
• 7 全文总结
• 致谢
• 参考文献