基于自适应活动轮廓模型的彩色立体图像分割新方法研究

Object segmentation in stereoscopic images can be applied in several fields such as medical imaging aided diagnosis and treatment, object-based compression and machine vision. However, conventional segmentation methods are hard to realize accurate object segmentation in color stereoscopic images with complex structure. According to local region-based Chan and Vese (LCV) model used for two dimensional grayscale image segmentation, this project focuses on an adaptive active contour model for object segmentation in color stereoscopic image with complex structure. Firstly, in order to address the problem of sensitivity to initial contour inherent in conventional active contour models, an adaptive extraction method of initial contour will be exploited by virtue of visual characteristics inherent in binocular stereoscopic images and mathematical morphology methods; secondly, a new adaptive active contour model will be built through the construction of energy function and derivation of curve evolution equation; finally, the performance of the new segmentation method will be evaluated by using various types of color stereoscopic images. This research topic aims at the construction of active contour models from a new point of view so as to realize the automatic segmentation of objects in the color stereoscopic images and provide a significant theoretical support for the applications such as automatic detection, recognition and positioning of objects in the stereoscopic images.

立体图像分割技术在医学辅助诊疗、基于对象的图像压缩、机器视觉等领域有广泛应用。然而，传统的图像分割方法对结构复杂的彩色立体图像目标难以实现准确分割。本研究拟从用于单目灰度图像分割的局部区域活动轮廓（LCV）模型出发，针对彩色立体图像视觉特性，构建新的自适应活动轮廓模型，并将其用于分割复杂结构的彩色立体图像。首先，为了解决传统活动轮廓模型对初始轮廓敏感的问题，利用立体图像的视觉特性和数学形态学方法，探索能够实现对目标对象的初始轮廓自适应提取方法；其次，通过构造活动轮廓模型的能量泛函和推导轮廓曲线的演化方程，构建一种适合彩色立体图像分割的自适应活动轮廓模型；最后将该模型用于各种类型的彩色立体图像目标对象的分割，并对其分割精度和曲线演化的迭代次数进行评价。本课题将从新的视角构建活动轮廓模型，实现对彩色立体图像目标自适应分割和自动分割，为立体图像目标自动检测、自动识别等应用提供理论支持。

立体图像分割技术在目标跟踪、基于对象的压缩、机器视觉等领域有广泛应用。然而，存在的图像分割算法对复杂场景的立体图像前景目标难以实现准确分割。本项目从单目图像的局部区域活动轮廓（LCV）模型出发，针对立体图像分割，利用双目视差和局部区域信息构建自适应活动轮廓模型。首先，利用改进的自适应加权和置信度传播算法建立了一种能够提高遮挡区域和弱纹理区域视差图质量的立体匹配方法，利用该方法计算双目视差；其次，利用视差信息对目标对象进行预分割，将分割结果自适应地构造为活动轮廓的初始位置，并将其作为轮廓形状的约束添加到能量函数中。在LCV模型中引入一个惩罚项，避免水平集函数重新初始化，最后进行曲线演化得到最终分割结果。与传统的活动轮廓模型相比，在引入视差信息后，该分割方法能自适应地定义初始轮廓，从而降低初始轮廓位置对分割结果的影响，减少轮廓曲线演化的迭代次数，提高分割效率。并将该分割模型应用到各种类型的立体图像，从视觉效果和定量两个方面对其分割效果和鲁棒性进行了评价，实验结果显示，提出的方法比其它两种相似的基于区域的活动轮廓模型能够取得更准确的目标分割 和视觉效果，并且曲线演化的迭代次数也少于比较的两种分割模型，因此提出的分割方法取得了更好的分割精度和分割效率以及具有更好的鲁棒性。该项研究为立体图像分割技术的应用研究奠定了理论基础。