于水平集目标分割方法.pptVIP

目录 课题背景及研究意义 理论知识简介 实验内容 实验结果 总结与展望 课题背景及研究意义 理论知识简介：图像分割方法 理论知识简介：图像分割——水平集方法 理论知识简介：水平集方法的优缺点 实验内容 实验内容：改进的OTSU 实验内容：改进的OTSU 实验内容：曲率平滑 实验内容：区域竞争 实验内容：区域竞争 实验内容：区域竞争 实验结果:分割结果 实验内容：流程图 实验结果:跟踪结果 实验结果:跟踪结果 总结与展望 我们只列举了两个运动目标的跟踪，其实几何曲线演化方法自动解决拓扑变化的能力可以很方便的进行多目标的分割，以及新进目标和目标消失的处理。 南京航空航天大学本科生毕业 论文答辩 2006年6月14日 基于水平集的目标分割方法 张珺 作 者： 指导老师： 黎宁 A Level Set Method to the Object Segmentation 基于水平集的目标分割方法 基于水平集的目标分割方法 偏微分方程、依赖曲率的轮廓线演化 ◆ ◆ 水平集方法 ◆ 图像分割 ● 基于区域的分割 ● ● 基于边缘的分割 结合区域和边缘信息的分割 ——形变模型（Active Contour Model） 双峰法、迭代法、熵方法、OTSU 各种边缘算子 参数、几何形变模型（水平集方法） 基于水平集的目标分割方法 什么是水平集方法？ 水平集方法最初由 提出 是 的一种具体实现形式 基于水平集的目标分割方法 Osher和Sethian 用欧拉方程求解隐式偏微分方程 主要思想 随时间变化的轮廓线与水平集函数关系 ▲ ▲ 计算量大，复杂度高 基于水平集的目标分割方法 优点： 缺点： ■ ■ 初始化并保持为距离符号函数 泛函——欧拉方程——求解 能自然的处理曲线的拓扑变化； 单链表演化的 简化水平集方法· 改进的OTSU 曲率平滑 区域竞争 针对上述缺点，提出以下改进： 速度有了 很 大提高 基于水平集的目标分割方法 灰度拉伸前 灰度拉伸后 0 255 255 灰度拉伸 类间方差 基于水平集的目标分割方法 基于水平集的目标分割方法 灰度拉伸的OTSU OTSU 基于水平集的目标分割方法 噪声点 平滑后 基于水平集的目标分割方法 多余背景 多余背景 实验比较了三种方法 并选择了效果以及适应性最好的一种 基于水平集的目标分割方法 方法一 方法二 方法三 { 蓝色为目标区域 红色为背景区域 窗口为5×5 窗口为7×7 窗口为9×9 半径为10 半径为11 半径为12 曲线演化 方法一 方法二 方法三 方法简单，适应性强 基于水平集的目标分割方法 { 目标检测 目标分割 { 目标跟踪 基于水平集的目标分割方法 形变目标的跟踪效果一样比较好 处理两目标交叉结果 ⅰ ⅱ ⅲ ⅳ ⅰ ⅱ ⅲ ⅳ ⅴ ⅵ ⅶ ⅷ 基于水平集的目标分割方法 特点是可以比较准确的获得运动目标的外轮廓，特别是当对多个非刚体进行跟踪时，准确的分割可以为以后的跟踪工作提供更多更可靠的信息，这样也能有利于解决跟踪时发生的特殊情况。尤其是当背景比较复杂时，这种方法也能得到比较好的分割结果。 ② 在水平集演化的框架中加入更多的模型信息，例如形状信息等，对于诸如人体跟踪和行为分析系统的开发有重要意义。 ① 总结： 展望：