基于主动轮廓模型的图像分割与目标跟踪研究

Research of the project aims to develop image segmentation and motion contour tracking methods based on active contour models. Several new algorithms will be proposed after analyzing the existing problems of geometric active contour model systematically. They include: (1) fast object tracking combining kernel with geometric active contour model and searching the corresponding points between contours in level set framework; (2) a method for texture analysis combining local histogram with geometric active contour model; (3) region-based segmentation and tracking for images with intensity inhomogeneity; (4) a method for segmentation and tracking in multiple different objects, especially in medical brain MR images. By integrating and assessing all the algorithms for segmentation, a software is developed which is a first-step to develop the computer-aided diagnosis system for brain disease. The project has a very important significance in enriching the content of active contour models, improving the development and completion of the theory, extending the application and impelling the development of image analysis and understanding.

本项目围绕主动轮廓模型的理论和应用展开，提出基于核方法和几何主动轮廓相结合的快速目标跟踪算法,并在水平集框架之下寻找轮廓之间的对应点；提出结合局部直方图和几何主动轮廓模型的纹理分割算法；针对图像灰度不均的问题，提出新的基于区域的分割算法，系统研究新模型稳定高效的数值求解方法；提出基于区域的多目标图像分割与跟踪方法;分析几种新算法的综合性能，并在此基础上形成方便实用的图像分析软件包. 本项研究对于丰富变分偏微分方程的内容,促进其理论的发展与完善，扩展其应用,推动图像分析和理解的发展具有重要的科学意义。

本项目在对主动轮廓模型的研究现状进行充分分析的基础上，围绕主动轮廓模型的理论与应用展开，提出了一系列图像分割与跟踪模型。针对目标跟踪问题，我们提出了一种利用CNN的深度特征进行检测、结合检测结果与原始帧信息进行水平集迭代，最终获得目标轮廓的跟踪模型，该模型改善了传统算法的检测性能和跟踪效果。针对纹理图像分割的问题，在充分分析和研究LGDF模型的基础上，我们提出了一种结合LSS能量项的改进模型，该模型借助LSS描述符提取图像的几何结构，不易受到灰度变化的影响，因此适合于纹理图像的分析与理解。针对图像灰度不均匀的问题，我们采用多种方式来改进和优化现有的分割模型，如局部拟合、非线性拟合、边缘检测处理等，显著提升了模型的分割效果。在提出的用于解决灰度不均匀图像分割的模型的基础上，我们将部分模型推广到多阶，用来解决对含有多个不同目标图像无法得到准确分割结果的问题。此外，我们还建立了MRI医学图像质量测试库，并提出了一种基于对比度掩模的医学图像质量评价方法来验证数据库的有效性。.与现有的图像分割与目标跟踪模型相比，本项目提出的新模型能够提供更好的分割和跟踪性能，且具有较低的计算复杂度。本项目在国际重要期刊发表SCI检索的论文2篇，在国内中文核心期刊发表论文1篇，在国际重要学术会议发表学术论文5篇；申请国家发明专利2项。培养硕士研究生7人。