变结构向量场下活动轮廓模型的研究

活动轮廓模型是图像分割与图像目标检测的重要方法，也是近年来图像处理领域的研究热点。活动轮廓模型本质上是把图像分割或目标检测问题转化为能量泛函的优化，而其能量泛函往往是非凸的，因此不可避免地在优化过程中遇到局部极值问题。国际上基于向量场的活动轮廓模型逐渐成为研究的主流，但向量场存在向量相冲，仍然无法彻底解决局部极值问题。为此本课题提出了基于变结构向量场的活动轮廓模型。其中，首次提出了在向量场生成泛函中引入角点信息，改变整个向量场的结构，作为驱使曲线演化跳出局部极值的新力量。同时，研究了角点信息的表示方式，把变结构向量场的生成泛函的优化，转化为一个微分方程的初边值问题的求解。最后，解决了多曲线演化和多曲线汇合问题，建立了基于变结构向量场的整体活动轮廓模型。在前期工作中课题组成员已在IEEE Transactions上发表长文2篇，相信本课题能为国内在该领域的研究工作作出贡献。

活动轮廓模型本质上是一个非凸能量泛函，要对其进行优化，不可避免地要解决如何跳出局部极值。本项目的目标是要研究变结构向量场下的活动轮廓模型，解决传统向量场模型中，由于存在多个源点或汇点导致向量相互冲突、阻止活动轮廓继续接近目标边界的问题。经过3年的研究，已把变结构的向量场实现，成果在国内外多个重要刊物上发表。项目成果应用到动态手势识别和车载摄像头障碍物识别等领域中。