论文部分内容阅读
随着计算机技术的发展，数字图像处理技术已经成为视觉图像研究的主要手段。但是，迄今为止人类还未能构建出一种达到高等生物视觉性能标准的自主视觉系统。其中，有一个重要因素就是生物视觉系统能够很容易完成复杂的图像分割，而机器视觉的分割却很难达到相应的分割速度及精度。因此要使机器视觉技术进一步发展，必须研究快速有效的图像分割技术。
本论文借鉴人类视觉机理，将先验知识和客观信息相结合，主要进行以下三个方面的工作。
1.针对特定类自然图像分割提出了一种新的基于外观模板的图像对象分割方法，主要有三个改进之处，首先引入一种新的分片方法和分片记分方法生成形状片断，使高质量的形状码片产生效率更高，且更具代表性；其次鉴于以前的模型方法中特征提取或者抽象度不够，或者抛弃了太多的图像信息，提出一种新的包含了形状和纹理的对象特征模型，该特征模型具有更加良好的对象类别区分能力，而且能够很大程度容忍不同对象实例的外观差异和成像条件变化；最后将基于密度和层次的快速聚类方法引入到算法体系当中，初步解决多对象图像分割的问题，并且对遮挡对象图像的分割效率也有一定的程度的提高。
2.基于Snake模型的图像分割研究。探讨气球Snake模型和GVF Snake模型以及GVF-Balloon Snake模型的原理，比较分析他们的优点和缺陷。根据GVF-Balloon Snake模型的特点，选取基于外观模型的图像对象分割算法得到的轮廓线作为初始轮廓线，完成对象的精确分割。
3.基于Snake模型的分割方法与基于纹理和形状的图像对象分割方法（T&C-SEG）相结合的组合式分割方法研究。分析自底向上与自顶向下分割各自的优势与不足，根据特定类自然图像特点，设计了两种方式兼用的组合式对象分割方法B&T-IOSEG（Bottom-up and top-down combined image object segmentation）算法。实验表明该算法是有效的，且提高了分割效果。