典型复杂背景下基于变分的目标轮廓跟踪算法及实现技术研究

Contour tracking models of the object in the typical complex background based on variational technique are studied in this proposal. The prior knowledge of the object is introduced into the variational level set framework, which remarkably improves the tracking performance on the condition of low-contrast, part occlusion and clutter environments. The research topics mainly include: resprensentation of the prior shape and spectrum information; analysis of the linear and non-linear variation mode; variational tracking model with prior knowledge constraints; efficient numerical computation approaches of the tracking algorithm and estimation and prediction models of the object location and the motion state based on the affine transform parameters. Sparse representation of the prior shape can capture more details of the non-linear variation mode while online learning algorithm for updating variation pattern space can improve the robustness of the tracking model. The tracking area is set in the narrow band around the object contour in the previous frame, which accelarates the numerical computation.The effectiveness of the tracking algorithms for the rigid and deformable objects is validated on the datasets including the videos of the moving object in the low-altitude areaspace at a low speed and the cardiac MRI sequences in a cycle.The results could be applied in the analysis of the little rigid object and the medical imagery sequences,which provides the guidance for the assessment of the motion state.

研究典型复杂背景下基于变分的目标轮廓跟踪模型。在变分水平集跟踪框架中引入先验知识，能够显著改善低对比度、部分遮挡、杂乱背景下目标的跟踪性能。研究运动目标先验形状与先验光谱知识的表达方法，抽取其线性及非线性变化模式，提出带先验知识约束能量项的变分跟踪模型；分析跟踪算法的快速数值计算方法；基于仿射变换参数预测运动目标的位置并估计其运动状态。稀疏表示方法能够提高模型描述目标非线性变化的能力；在线学习算法能够提高跟踪模型的鲁棒性；将跟踪范围限定在上一帧跟踪轮廓的窄带中提高了模型的计算效率。以低空中小目标慢速运动的视频、心脏在一个心动周期中的核磁共振图像序列等为测试数据，验证刚体和弹性体目标跟踪算法的有效性。该项目的成果能够应用于刚性目标及医学影像序列的分析，为评估目标的运动状态提供必要的理论依据。

复杂背景下感兴趣目标的轮廓跟踪能够获取目标的运动状态，预测下一帧中目标的可能位置。围绕极光卵、水边线、左心室、视网膜等弹性目标图像序列、直升机、建筑物等刚性目标图像序列的目标轮廓跟踪问题展开研究。研究了先验知识的表达方法，主要包括：（1）融合全色与多光谱图像，生成兼具高空间分辨率和高光谱分辨率的多光谱图像，基于训练样本的光谱向量、光谱PCA子空间、光谱Grassmann流形构造光谱先验；（2）在图像序列中选取训练样本，分别对目标和背景按块随机采样，计算目标和背景的先验协方差描述子、赋以Log-Euclidean度量构成张量特征先验；（3）在对称正定矩阵黎曼流形上训练背景和目标字典，构成稀疏特征先验；（4）对配准后的先验形状样本的有符号距离函数作PCA变换，基于形状PCA子空间、先验形状字典构造形状先验。研究了变分轮廓跟踪算法，主要包括：（1）基于局部信息通过双水平集函数的演化跟踪极光卵的内外轮廓；（2）基于先验形状约束抽取带弱边界的极光卵轮廓；（3）联合光谱统计特征和变分方法实现了水边线轮廓的跟踪；（4）基于光谱先验和形状先验跟踪云层遮挡下的水边线轮廓；（5）基于流形特征先验和形状先验抽取复杂背景下的水边线轮廓；（6）基于局部相似因子区域活动轮廓模型实现视网膜地图状萎缩病变 (Geographic Atrophy, GA)频域光学相干断层扫描成像(Optical Coherence Tomography, SD-OCT)图像的自动分割；（7）基于先验灰度分布和先验形状约束实现了左心室MRI图像的外轮廓跟踪；（8）基于先验流形特征和变分方法实现了直升机轮廓的跟踪；（9）在SAR图像模型中引入高分辨率光学影像建筑物的轮廓作为先验，提高了建筑物轮廓的分割精度；（10）提出了一种基于博弈论优化的多层图约束交互式图像分割方法、基于特征匹配的Mean Shift跟踪算法、基于图像片搜索的视觉神经头分割方法、基于增强学习的摄像机节点动态选择方法。