图像中复杂形变物体的外轮廓搜索方法研究

Object segmentation is important for computer vision and image understanding. It is challenging and yet unsolved mainly for the complex deformation in object's geometric structure. The proposal studies the deformation for the outline resolving. It defines the outlines coming from the same class as a shape space; and the resolving procedure is then reduced to search for a point in the space such that it explains the test image. However, because of the complex structure of the shape space, plus the noise led by background and the variaty in appearance, the searching process is easily trapped into local minimum. To get rid of it, the proposal conducts the research on shape representation and its matching, and proposes to search for the outline through a procedure integrating both the prior and bottom-up information. Main contributions of the proposal include: (1) proposes a way combining the shape clustering and part-based model for outline representation, (2) designs an algorithm that gradually shrinks the subspace containing the outline through the matching of local features.

物体形状的复杂变化是精确自动分割面临的主要困难之一，本项目将利用物体的外形特征，通过求解复杂形变物体的外轮廓，解决物体的精确分割问题。当把物体外形的所有变化定义为一个形状空间，物体外轮廓的解析过程就转化为一个形状搜索问题，在形状空间中定位与给定图像最匹配的形状。形状空间结构的复杂性、物体外观的变化及背景噪声的影响都极易使搜索过程陷入局部最小。因此，本项目从形状空间的表示与搜索过程的设计两方面入手，提出融合物体形状先验与图像底层特征的物体外轮廓解析方法。主要特色与创新点在于：（1）提出聚类与部件模型结合的方式，解决了复杂形状变化和部分缺失下的形状表示；（2）通过物体的局部匹配估计外形的局部近似，渐进缩减物体外形子空间，实现复杂形变物体外轮廓的精确搜索。

物体外轮廓的搜索是计算视觉研究的核心问题之一，对复杂形变的建模与有噪声环境下的形状匹配是该问题面临着最大挑战。项目专注于复杂形状的表示与匹配问题，围绕着物体外轮廓搜素这一目标展开了相关的研究；研究的内容包括：形状基元的提取，复杂形状的表示与统计，形状的匹配以及基于形状匹配的相关应用，为复杂形状的理解提供一种新的思路与方法。.依据项目规划，经过三年的研究，本项目所取得的代表性研究成果包括：1）提出一种带隐藏变量的层次形变模型用于形状建模，并挖掘轮廓片段的序关系，给出迭代动态算法用以求解该模型下的形状匹配；2）提出一种针对物体检测任务的轮廓片段提取方法，最大限度的保证同一物体的轮廓分散在尽可能少的轮廓片段中，从而提高检测的精度；3）将所提的轮廓搜索方法用在交通场景的物体检测与跟踪中，为无人车的仿真测试提供场景；4）提出一种稀疏结构用以快速求解圆形物体的外轮廓；5）改进传统的水平集方法，显式引入前背景对比度指标，提高水平集方法的稳定性。.在项目资助下，项目组成员先后赴美国、智利开展学术交流及参加国际学术会议，并与到访的国内外学者进行了深入的交流。项目组成员先后在国内外学术刊物上共发表学术论文8篇，其中SCI检索的国际期刊4篇（含已录用），CCF A类会议1篇，申请国家发明专利3项，其中1项已授权。以此为基础，项目组先后培养了2名博士研究生和2名硕士研究生。