第2章 活动轮廓模型(已看).pdf

1.1 研究背景 图像分割（Image segmentation ）与图像对象（物体）检测（Image object detection ）是 图像处理、计算机视觉学科的重要分支，又是近年来理论和应用研究的热点。图像分割的目 标是把图像分成若干个具有同质性（Homogenization ）的部分。而图像对象（物体）检测则 是把图像中感兴趣的物体与背景区分开来，以进一步对物体进行测量和分析。 图像分割与对象检测的研究有极深的理论基础。近年来，基于几何曲线演化的活动轮 廓模型（Active contour model ，简称ACM ）逐渐取代了传统的算法的地位，其核心思想是 把分割或检测的问题转化为能量泛函的建立和优化，并通过求解能量泛函对应的欧拉-拉格 朗日方程来实现目标。由于结合了偏微分方程、微分几何和变分等数学理论，这类算法使新 一代的图像处理技术能建立在严格的数学基础之上并成为最为活跃兴旺的边缘学科之一。 图像分割与对象检测在实践中有广泛的应用。首先，新一代基于内容的多媒体数据压 缩编码国际标准MPEG-4 第一次提出了基于对象的视频编码新概念。MPEG-4 实现基于内容 交互的首要任务就是把视频图像分割成不同对象或者把运动对象从背景中分离出来，然后针 对不同对象采用相应编码方法，以实现高效压缩。因此，视频对象分割是 MPEG-4 视频编 码的关键技术，也是新一代视频编码的研究热点和难点。其次，在视频智能交通网络系统中， 通过自动实时的视频对象分割和跟踪能使交通管理更高效可靠。再次，若把二维的曲线演化 推广到三维的曲面演化，还能实现图像的三维重构，这在医学中处理计算机断层扫描（CT ） 和核磁共振图像（MRI ）都十分有效。此外，这些技术还能用于军事、天气预报、保安、电 影等领域中。因此，对图像分割与对象检测进行研究，不但紧跟国际前沿学科发展，同时满 足国民经济和社会发展需要，具有十分重要的意义。 1.2 国内外研究现状及分析 对活动轮廓模型（ACM ）的研究是由1987 年Kass 等[1]人提出的Snake 模型开始的。 设闭合曲线的参数方程为C(s) ( x(s), y(s)) ，其中s ∈[0,1] ，则Snake 模型由下面的能量 泛函来表示 1 Esnake ∫0 Eint (C (s )) =+Eim (C (s )) +Econ (C (s ))ds （1-1） Snake 模型的基本思想是从一条环绕着图像对象的曲线开始进行演化，演化的方向始终 是沿着曲线的内法线方向而且最后必须停止在对象的边界上。为了实现这样的效果，Snake 模型建立了一个由内部能量项 、图像能量项 和外部能量项 三部份组成的能量泛 E E E int im con 函，其中内部能量项控制着曲线的平滑度和曲率，图像能量项驱使曲线往对象演化，外部能 量项是对曲线的外加约束。最小化此泛函的每一步，实质上是对应着空间中曲线的一次演化。 Snake 模型是利用对象边界的梯度信息来控制曲线演化的停止，认为曲线演化至对象边 界时梯度会达到无穷大，与此同时曲线演化的速度会降至0 。这个模型使图像分割和对象检 测等处理更为自动化和体系化，具有相当重要的意义。 在这个领域，另一件有相当分量的工作是1988年由Osher 和Sethian[2]提出水平集（Level set ）方法。它把曲线参数方程提高一维，并定义为一个鞍型的水平集函数φ(x, y ,t ) 。在每 一个时刻对应的水平截面就是零水平集φ(x, y ,t ) 0 ，它表示演化着的曲线。当演化越过鞍 背时，截面就从一条封闭曲线变为两条或更多。水平集方法完美地解决拓扑不变性的问题， 允许曲线演化发生拓扑变化，实现了对多个对象同时分割。 图1-1 水平集方法和曲线演化 在原始的 Snake 模型中存在着非本征的问题，即能量泛函是与曲线参数有关的。1995 年 Caselles[3]建立了一个与曲线参数无关的本征化能量泛函，又称为测地活动轮廓模型 （Geodesic acti