资源描述：
《自适应梯度矢量流轮廓提取方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第卷第期模式识别与人工智能∗+),/+0!∀#∃年月%&∋()−..!!∃自适应梯度矢量流轮廓提取方法1,’“张荣国刘小君王蓉刘娓,∀合肥工业大学机械与汽车工程学院合肥2!!3#“∀太原科技大学计算机科学与技术学院太原!2!4#,,摘要提出自适应梯度矢量流轮廓提取方法从两个方面对梯度矢量流模型进行改进首先,在原梯度矢量流场的基础上,引人调节因子,增强边缘附近数据项梯度的影响,减少扩散项带来的平滑效果,以改进梯度矢量流场的性能其次,在活动轮廓边上附加一个法向的自适应力,它根据正在进化的活动轮廓所处的矢量场的位置
2、,自行确定轮廓的收敛方向,以改进活动轮廓引导力的性能,把此力和改进后的梯度矢量流场叠加,既保持活动轮廓大的捕捉范围,又加快其收敛速度,且解决深度,,,凹陷和瓶颈问题通过对多个实例的运行验证该方法的有效性关键词活动轮廓,梯度矢量流,自适应,法向力中图法分类号5%23(67%89:.;5769.<8∗.=8+5>)+?()≅+598ΑΒΧ+5Δ+Ε<675ΦΓΗ857=89+<一,,一,,,Ιϑ(/.<+<≅;Ε+’Κ)ΕΗ97+ΛΕ<)?(/.&+<≅Κ)ΕΜΕ<’,∀Ν=Α++)+ΧΟ..Α7<9=7)7<6(Ε8+89:.Γ
3、咭959鳍月以色9Θ.5Ρ98Φ+ΧΣ..Α<+)老2!!!3#Β+<.Π<卿沙价,,,∀Ρ=Α++)+ΧΤ+呷Ε).5Ρ.9.<=.7<Λ几.Α<+)Σ79ΦΕ7<9:.5Ρ9妙+ΧΝ.9.<=.7Α<+)+群卿:<<6Σ.=7<Σ79ΦΠ!2!!4#(ΔΝΣ&(ΤΣ(67Υ89:.≅5769.<8:..8+5Χ)+?7)≅+598ΑΒςΥ5+Υ+Ρ.6Χ+5Ω+Ε<67叮.Η857.89+<7Ρ7<9ΒΥ5+:.6Β.8Α+6+Χ,,邵769.<8:..8+5Χ)+?>95Ρ8)Φ76ΞΕΡ8Χ7.8+5Ρ75.9<
4、85+6Ε..68+9ΒΥ5+:..Α757.8.5Ρ+Χ69Ρ9+<Χ9.)6<.758Α.ΧΕ,,,Ω+Ε<67汀.<7<766989+<7)Χ+5=.ς766.69<8Α.<+7)695..89+<+Χ8Α.7.89:..+<8+Ε5.6≅.(..+569<≅ΣΑ5Β,8+8Α..Ε<8)+.789+<8Α..:+)Ε89+<695..89+<Ρ+Χ8Α..Ε5:..7<Ω.6.8.9<.69<≅5769.<8:..8+5Χ)+?5.5Β,,Χ9.)6Τ+ΒΩ9<.6?98Α≅5769.<8:..8+5Χ)+?8Α.Υ5+
5、Υ+Ρ.67)≅+598ΑΒ.7<ΡΥ..6ΕΥ8Α..+<:.嗯.<..?98Α98Ρ,,)7.7Υ8Ε5.57<邵Β79<879<.6Ψ8.7<Ρ+):.6..Υ.+<.7:.Ω).Β7Ρ?.))7ΡΩ+88).<..ΖΥ5+Ω).Β.5Ρ.<5+ΣΑ,.ΗΥ.59Β.<87)5.ΡΕ)8Ρ6.Β+<Ρ8578.8Α788Α.Υ5+Υ+Ρ.6Β.8Α+6ς.Χ9.9.<8,,,Μ.Φ[+56Ρ(.89:.Τ+<8+Ε5Ο+6.);5769.<8∗..8+5>)+?(67Υ89:.<.ΡΡ/+7)>+5=.5Β,,1+、+国家
6、自然科学基金项目∀/ς!∴∴ς!!#国家∃2计划项目∀/]+∴((!4Ι))≅#资助Θ∴一一⊥Θ∃一!一收稿日期!!ς∃修回日期!3,,,,,,,、一ΒΘ0。+Β,,作者简介张荣国男34年生教授主要研究方向为图形图像处理Τ(−_Τ;Γ79)5≅ΙΑ⎯2刘小君女,,、,,、,,3,,ας年生教授博士主要研究方向为数字化设计图像处理王蓉女∃ς年生硕士研究生主要研究方向为图像处理,,,,,,,模式识别刘馄男32年生教授博士生导师主要研究方向为现代设计方法学、数字化设计模式识别与人工智能卷,、引言是模型本身存在一
7、些缺陷如对初始位置非常敏感容易陷人局部极值、无法收敛到轮廓的深度凹陷部、,轮廓提取是图像处理、计算机视觉、模式识别等分不具备自动拓扑变换能力等几何活动轮廓模型,是通过一个适当的二维表面的水平集来表示其平面领域的低层任务个精确的图像轮廓信息在视觉一,、、、曲线将运动界面的平面闭合曲线作为χ水平集隐匹配运动跟踪2−目标重建图像识别等方面有着,广泛应用,轮廓是图像最显著、最基本的特征,它通含表达为高一维曲面函数的水平集中这样通过水平集函数曲面的进化方程来隐含求解曲线的进化方常指的是周围像素轮廓有阶跃变化或屋顶变化的像,素集合,它勾划出目
8、标物体的主信息,使观察者一目程最终只要确定χ水平集就可确定运动界面的进〔’”一‘,〕,,、了然、化结果这种曲线由于采用水平集作数值计图像轮廓中包含着方向阶跃性质形状等信,,息,是进行图像识别、抽取图像特征的重要属性,算其拓扑结构变化可得到很自然的处
