基于主动轮廓模型的图像分割及目标跟踪算法研究

论文在中国科学院国防科技创新基金课题支持下，对主动轮廓模型的图像分割和目标跟踪算法进行了研究。 对复杂自然背景下人造目标的边缘提取问题进行了讨论，提出基于分形维数特征的分形参数主动轮廓模型和分形几何主动轮廓模型。该模型允许初始轮廓远离目标的边缘，降低了模型对初始轮廓的依赖性。 对主动轮廓跟踪模型进行了研究，提出一种基于形状约束的参数主动轮廓跟踪模型。该模型可以克服弱边缘及强背景等噪声对轮廓的吸引和干扰，保持了目标的基本形状，实现和改善了对具有尖角、深凹和狭长分支等不规则形状目标的边缘跟踪。 提出一种基于C-V模型的水上桥梁目标分割和识别算法。该算法能够较好地解决远距离小目标水上桥梁及灰度梯度较弱图像的桥梁分割和识别问题。 对Chan-Vese提出的水平集图像分割模型进行了改进，提出一种无需水平集重新初始化的C-V模型。该模型不仅提高了C-V模型的演化速度，而且实现了水平集函数初始化的灵活性。 基于区域特性及Mumford-Shah技术，提出一种基于能量最小化的主动分界线模型来实现对天际线或者某些同质区域非闭合分界线的检测。该模型可以提取无梯度信息或者梯度信息较弱的区域边界，并具有较强的抗噪性。