基于水平集活动轮廓模型的红外人体目标分割方法分析-analysis of infrared human target segmentation method based on level set active contour model.docx

摘要近年来，由于红外人体目标检测技术在智能视频监控、高级人机接口、机器 人视觉等领域有着的广泛应用前景和潜在的经济价值，它已成为计算机视觉领域 的一项重要研究内容。图像分割是红外人体目标检测技术中需要解决的一个基础 性问题，是实现人体识别、行为理解等高层应用的前提。尽管近年来出现了若干 有效方法，但由于红外成像质量差、人体特征变化大、应用场景复杂多变以及检 测系统对算法性能要求严苛等因素，寻求具备良好分割精度、实时性和鲁棒性的 分割方法仍具有相当挑战性。在充分调研现有方法的基础上，论文将水平集活动 轮廓模型（Level Set Based Active Contour, LSAC）引入红外人体目标检测这一全新 应用领域，利用它在图像分割方面的独特优势解决红外人体目标的分割问题。首 先将红外人体目标检测系统中使用的红外图像按时域特征划分为三类，然后在分 析其中各类图像特点以及影响分割质量的主要因素的基础上，将 LSAC 模型实现 图像分割的基本思想分别与模糊集理论、背景相减以及阈值分割技术相融合，由 此提出了一系列新的图像分割方法。在此过程中，从能量泛函的建立、数值算法 的设计与选用两项 LSAC 模型的关键技术着力，结合对算法流程进行优化等手段， 使它们具备了较现有典型方法更为优越的分割精度、运行效率以及鲁棒性。论文取得的主要研究成果如下：(1) 静态红外图像中较强的模糊性和人体灰