近景攝影測量中的自動圖像分割技術

《近景攝影測量中的自動圖像分割技術》是依託福州大學，由王美清擔任項目負責人的面上項目。

基本介紹

• 中文名：近景攝影測量中的自動圖像分割技術
• 依託單位：福州大學
• 項目類別：面上項目
• 項目負責人：王美清

項目摘要

本項目主要研究近景攝影測量圖像的基於偏微分方程(PDE)的自動圖像分割模型、快速算法及客觀評價標準。目前比較成熟的基於PDE的圖像分割模型主要有：測地線活動輪廓模型，Mumford-Shah 模型和CV模型。但是近景攝影測量圖像的紋理和特徵豐富，特別是目標區域並非同質區域；目標區域與背景區域的灰度差別不大，因此已有PDE模型不能夠獲得很好的分割效果，同時由於近景攝影測量圖像大多為高清大尺寸圖像，已有PDE模型無法作為線上或實時的分割手段。本項目以CV模型為基礎，研究多特徵複合的邊緣檢測運算元和特徵圖像分割，使之適合於紋理複雜、邊界不明顯的近景攝影測量套用中的圖像分割；通過實驗分析影響PDE圖像分割模型的運行速度的因素，研究可用於線上分割的快速PDE模型和算法；不同的圖像處理目的對圖像分割有不同要求，本項目針對近景攝影測量套用中的圖像分割研究客觀評價標準。

結題摘要

本項目研究基於偏微分方程(PDE)的圖像分割模型. 我們首先研究了基於區域的PDE分割模型，針對近景攝影測量圖像的紋理和特徵豐富,特別是目標區域非同質的現象，我們提出了基於半局部區域信息的模型，並與氣球力、測地輪廓模型相結合提出混合模型，克服了CV模型只能分割同質圖像而LBF模型易受細節影響不容易獲得準確邊界的問題。針對基於局部區域的LBF 分割模型對初始輪廓線敏感的問題，我們提出了兩個改進方案：動態調整LBF模型中的高斯核函式視窗；全局與局部信息“兩階段”分割。這兩種改進方案都增強了LBF模型對初始輪廓線的魯棒性。 在對基於邊緣的分割模型研究中，我們從測地活動輪廓模型出發，通過引進梯度向量流來改善分割質量。首先在梯度向量流的基礎上提出了GNGVF力場，並套用於GAC模型中的內力項；同時加入基於GVF場梯度幅值的氣球力，提出了GAC_GVF&B模型。並通過半隱式的AOS算法進行加速，獲得了較好的分割結果和加速效果。 基於活動輪廓模型的圖像分割實質是通過定義在輪廓線上的能量泛函來驅動曲線的演化。當該泛函獲得極小值時，輪廓線演化到分割目標的邊緣。因此基於PDE的圖像分割本質上可以歸結為最佳化問題。我們對Sobolev 梯度，分裂Bregmann方法和牛頓方法進行了研究, 重點研究了利用擬牛頓方法求解CV與LBF混合的分割模型的數值算法，提出了廣義的擬牛頓方法並與傳統梯度下降法、牛頓方法和擬牛頓方法進行了比較。廣義擬牛頓方法能夠獲得與牛頓方法類似的加速效果，但無須計算Hessian矩陣因而計算簡單, 且疊代次數少，另外對於噪聲具有一定的魯棒性。 本項目根據近景攝影測量圖像的特點，針對傳統PDE分割模型存在的問題開展研究，提出了多個相關模型，引入最佳化技術進行數值求解，並通過大量實驗驗證了模型的有效性。對項目研究成果進行總結和歸納，發表了8篇期刊論文和10篇會議論文；項目研究階段培養畢業10名碩士研究生；組織1次國際研討會，邀請國內外多名專家到校講座；項目組成員多人次參加暑期科研夏令營，這些國際國內交流都擴大了項目組成員和研究生的研究視野，有利於了解國際學術前沿。本項目的研究獲得了較好的成果。