近景摄影测量中的自动图像分割技术

本项目主要研究近景摄影测量图像的基于偏微分方程(PDE)的自动图像分割模型、快速算法及客观评价标准。目前比较成熟的基于PDE的图像分割模型主要有：测地线活动轮廓模型，Mumford-Shah 模型和CV模型。但是近景摄影测量图像的纹理和特征丰富，特别是目标区域并非同质区域；目标区域与背景区域的灰度差别不大，因此已有PDE模型不能够获得很好的分割效果，同时由于近景摄影测量图像大多为高清大尺寸图像，已有PDE模型无法作为在线或实时的分割手段。本项目以CV模型为基础，研究多特征复合的边缘检测算子和特征图像分割，使之适合于纹理复杂、边界不明显的近景摄影测量应用中的图像分割；通过实验分析影响PDE图像分割模型的运行速度的因素，研究可用于在线分割的快速PDE模型和算法；不同的图像处理目的对图像分割有不同要求，本项目针对近景摄影测量应用中的图像分割研究客观评价标准。

本项目研究基于偏微分方程(PDE)的图像分割模型. 我们首先研究了基于区域的PDE分割模型，针对近景摄影测量图像的纹理和特征丰富,特别是目标区域非同质的现象，我们提出了基于半局部区域信息的模型，并与气球力、测地轮廓模型相结合提出混合模型，克服了CV模型只能分割同质图像而LBF模型易受细节影响不容易获得准确边界的问题。针对基于局部区域的LBF 分割模型对初始轮廓线敏感的问题，我们提出了两个改进方案：动态调整LBF模型中的高斯核函数窗口；全局与局部信息“两阶段”分割。这两种改进方案都增强了LBF模型对初始轮廓线的鲁棒性。 . 在对基于边缘的分割模型研究中，我们从测地活动轮廓模型出发，通过引进梯度向量流来改善分割质量。首先在梯度向量流的基础上提出了GNGVF力场，并应用于GAC模型中的内力项；同时加入基于GVF场梯度幅值的气球力，提出了GAC_GVF&B模型。并通过半隐式的AOS算法进行加速，获得了较好的分割结果和加速效果。. 基于活动轮廓模型的图像分割实质是通过定义在轮廓线上的能量泛函来驱动曲线的演化。当该泛函获得极小值时，轮廓线演化到分割目标的边缘。因此基于PDE的图像分割本质上可以归结为优化问题。我们对Sobolev 梯度，分裂Bregmann方法和牛顿方法进行了研究, 重点研究了利用拟牛顿方法求解CV与LBF混合的分割模型的数值算法，提出了广义的拟牛顿方法并与传统梯度下降法、牛顿方法和拟牛顿方法进行了比较。广义拟牛顿方法能够获得与牛顿方法类似的加速效果，但无须计算Hessian矩阵因而计算简单, 且迭代次数少，另外对于噪声具有一定的鲁棒性。. 本项目根据近景摄影测量图像的特点，针对传统PDE分割模型存在的问题开展研究，提出了多个相关模型，引入优化技术进行数值求解，并通过大量实验验证了模型的有效性。对项目研究成果进行总结和归纳，发表了8篇期刊论文和10篇会议论文；项目研究阶段培养毕业10名硕士研究生；组织1次国际研讨会，邀请国内外多名专家到校讲座；项目组成员多人次参加暑期科研夏令营，这些国际国内交流都扩大了项目组成员和研究生的研究视野，有利于了解国际学术前沿。本项目的研究获得了较好的成果。