轮廓提取应用点1

1、目录目录11、引言22、轮廓提取的应用 22.1 轮廓提取在刑事侦查领域的应用 22.2 轮廓提取在医学领域的应用 22.3 轮廓提取在图像处理和计算机视觉领域的应用 32.4 轮廓提取在影视处理和数字娱乐和动漫制作领域的应用 43、参考文献51、引言事物的轮廓蕴含了该事物丰富的内在信息（如形状、方向、阶跃性质等），是识别技术中所提取的重要信息，因此，轮廓提取在机器视觉中的必不可少的环节。近年来，随着科学技术日新月异的发展， 轮廓提取在刑事侦查领域、医学领域、图像处理和计算机视觉等领域都有着广泛的应用。2、轮廓提取的应用2.1 轮廓提取在刑事侦查领域的应用事例：平面足迹轮廓提取平面足迹是载荷着

2、人体生物特征的一种重要的痕迹信息，由人体的脚掌面通过力的传递作用在刚性承痕体上形成。足迹中趾区、掌区、弓区、跖区等不同压痕区域的形态分布特征由人体脚型骨骼决定，具有其特定性和相对稳定性，是利用足迹痕迹信息进行人体身份鉴别 的基本依据。另外，足迹痕迹信息来源于人的整体行为，不仅可以用来区分不同的行为主体，而且可以反映出人体的性别、身高、胖瘦、年龄等生理特征，以及行走姿态、习惯等行为特 征。因此，足迹生物特征分析与识别具有特定的应用优势，并在刑事侦查领域发挥了重要作用。提取方法：基于 DFD参数变形模型针对重压区域轮廓处于强边缘附近具有特性形状属性以及局部光滑的特点，构造基于区域模糊灰度总收益的轮

3、廓变形优化目标函数。在此基础上，利用遗传算法实现对轮廓的离散傅里叶描述子参数模型进行优化，提取描述足迹重压区域的光滑轮廓。2.2 轮廓提取在医学领域的应用事例：CT图像轮廓提取目前，医学图像有 B超图像、cT图像和MRI等，其中cT图像已经被大量应用在医学诊断和研究，cT图像相对于x射线图像和超声图像具有更高的分辨率，对人体的伤害又比较 小。因此cT图像逐渐成为医生继续进行病辉分析和医学研究的丰要医学手段。并且随着计 算机在医学领域的广泛应用，cT图像的处理成为了一个重要的研究方向。医学cT图像是医生用来诊断疾病以及研究疾病的重要依据，不但直接影响医牛诊断的正确性，而且是医牛进行医学研究的数据

4、基础。随着计算机和医学的不断发展，医学图像也被广泛应用到三维重建 和虚拟手术系统中，为医生提供更准确可靠的依据。计算机科学的快速发展促进了cT等数字医学图像技术的发展，医生不仅利用cT图像进行诊断病情，而且利用计算机的处理能力， 分析研究不同病情在 cT图像中数据规律，为医学诊断作出科学指导。提取方法：基于笔交互的 CT图像的轮廓提取该轮廓提取方法是采用笔式的交互方式。笔式交互方式模拟了人们日常生活中的最熟悉的纸笔交互方式，其简单、方便、易于理解和使用，是一种自然的、隐式的交互方式。首先， 纸笔的交互是人们最为熟悉的交互方式，普通大众以及医生都非常习惯这种交互方式。在轮廓提取的过程中，初试化轮

5、廓的过程非常重要，笔输入则可以作为一个合适的输入方式，让用户自如的用笔勾勒出自己的目标轮廓，由于用户都对笔操作熟练， 则勾勒的轮廓会非常贴近目标轮廓，为算法的运行提供了良好的基础。其次，笔交互支持模糊信息的记录。医生在 进行轮廓提取后，会根据提取出的结果进行医学诊断和分析，需要快速的将这些分析结果记录下来。而传统的鼠标键盘输入的则是精确的信息，这样医生就会花费很多精力去将模糊信息转化为精确信息，然后进行绘制，增加了用户的心理负担。在基于笔交互的CT序列图像轮廓提取系统中，医生可以使用数字笔完成不同的交互任 务，例如使用笔来勾勒目标轮廓，为算法执行提供基础，也用笔记录医生的诊断和分析结果。 纸笔

6、的交互方式提高了轮廓提取算法的准确性，使提取结果更符合用户的心理预期，并且过程自然、方便、快捷，避免了鼠标和键盘频繁的切换，可用性大大提高。2.3 轮廓提取在图像处理和计算机视觉领域的应用事例：人脸轮廓提取与跟踪人脸轮廓提取是人脸特征检测和人脸识别等人脸图像分析的重要前提。由于人脸形状的多样性和复杂性，在使用刚性模型提取轮廓时遇到了很大困难，而常规的边缘检测算子得到的边缘是不连续的，因此活动轮廓模型在解决人脸轮廓提取问题中展现了令人鼓舞的前景。 提取方法：Level Set方法Level set是一种简单有效的计算和分析二维或三维空间中界面运动的方法，其基本思 想是将表示界面的平面闭合曲线隐含

7、地表达为高一维的曲面函数（称为level set函数）的水平集，即具有相同函数值的点集，通过 level set函数曲面的进化来隐含地求解曲线的运 动。利用level Set方法对简单背景下图像序列中的人脸进行轮廓提取，算法主要包括3个步骤，即运动区域检测、人脸轮廓提取和轮廓跟踪。1）运动区域的检测。在图像序列中，通常人相对背景总是运动的，因此通过限定图像采 集的背景，仅利用运动信息就可简单有效地将人脸从背景中大致地分割出来。2）人脸轮廓提取。以人脸位置所在的矩形框作为初始运动曲线，采用level Set方法抽取出精确的人脸轮廓。常规的level Set图像分割方法一般仅仅利用图像区域的局部边

8、缘信息， 因此检测由梯度定义的目标边缘十分有效，但对边缘模糊或者存在离散状边缘的区域，难以得到理想的分割效果。Chan和VeSe提出了一种基于 Mumforc-shah最优分割模型的level Set方法，由于初始轮廓曲线已经大致标出了人脸位置，因此只需要数量很少的几次迭代， 就可以获得理想的人脸分割效果。3）轮廓跟踪。一旦检测出人脸轮廓，就可利用跟踪算法在图像序列中跟踪它。通过运动 预测可以有效地减小搜索区域，以提高跟踪速度.获得当前帧的人脸轮廓后，根据累积差分图像得到前一时刻轮廓运动速度，经过运动预测，对轮廓位置进行变形处理，作为下一帧中人脸轮廓的初始位置，然后采用第步骤2）中所提出的le

9、vel Set模型精确提取出人脸轮廓。2.4 轮廓提取在影视处理、数字娱乐和动漫制作等领域的应用事例：图像着色着色是一种已经被广泛应用到影视处理、数字娱乐和动漫制作等领域的计算机辅助图像处理技术。人对图像的认知主要取决于结构和颜色，结构是场景信息变化的承载区域，而颜色则是联系结构之间的桥梁，对景物进行归纳与取舍，是卡通图像构图的基本方法。艺术家在进行卡通、漫画这类图像创作的时候，主要是通过由线条组成的纹理来表达物体的轮廓、 光照和质感，对这类图像仅仅依赖亮度与颜色的映射关系无法获得良好的着色效果。 提取方法：轮廓提取与纹理分析轮廓提取：对图像中待填充区域着色方向的分析可以转换为对轮廓线条方向的

10、计算。正确提取图像的轮廓是后续分析与识别步骤的基础。该方法选取Sobel算子对图像中的边缘线 条进行检测。首先利用高斯滤波进行平滑处理去除原始图像中用于刻画局部细节的线条, 用过度分割方法将图像划分为一系列子区域，利用轮廓线条对这些子区域进行归并。纹理分析：使用Gabor小波域统计信息描述纹理色彩标记选定区域的纹理特征，接着对图像中连续和不邻接的区域进行相似纹理匹配。3、参考文献3.1 Kennedy R B;Pressman S;Chen S Statistical analysis of barefoot impressions 卜 文期刊2003(01)3.2 Kennedy R B U

11、niqueness of bare feet and its use as a possible means of identification外文期刊1996(01)3.3 M . Kass, A. Witkin and D. Terzopoulos, “Snakes active contour models JIntemational Journal ofComputer Vision, 1987, 1(4)： 321 3313.4 Van Dam A Post-WIMP USer interfaces. Communication of the ACM J . 1 997, 40(2)

12、: 63673.5 Caselles V;Catte F;Coll T A geometric model for active contours in image processing 1993(01)3.6 Paragios N;Deriche R Geodesic active contours and level sets for the detection and tracking ofmoving objects外文期干U 2000(03)3.7 Malladi R;sethian J A;Vemuri B Shape modeling with front propagation: A levelset approachF卜文期干U 1995(02)3.8 YA rZlv L , SAPIRO G. Fast image and video colorization using ehro-minanee blendingJ. IEEE Trans of Image Processing 2006, 15(5): 1120 1129.3.9 WELSH T, ASHIKHMIN M, MUELLER K, T