[00359701]基于张量投票的物体轮廓边界提取软件V1.0

主动轮廓作为一种重要的视觉心理现象，体现了人类视觉系统强大的感知识别能力。主动轮廓作为一种理解轮廓知觉、形状知觉和深度知觉的重要线索，已成功应用于运动分析、路标设计、车牌识别、医学图像分割中。实现计算机对物体感知识别能力的模拟一直是计算机视觉领域的热点。但是迄今为止，有关主动轮廓的感知机理尚未形成统一观点，在计算机视觉领域也没有一种模型或方法能直接处理所有类型的主动轮廓图形，因此，主动轮廓的有效、准确提取成为计算机视觉领域研究的难点之一。张量投票是一种用于推断图像中显著性结构的算法。基于这一思想，张量投票方法主要由三部分组成：数据模型的张量表示，投票域的计算和用于数据通信的线性投票。每个输入点通过一个预定义的投票域进行投票，向其邻域点传递信息(张量)，同时收集自身获得的投票，并将其编码为一个新张量。将投票结果进行分解，得到各种特征的显著性图，用一个局部、并行的匹配过程同时探测相应特征。某一特征的显著性度量可以理解为该张量具有这种特征的置信度，其显著性的主要含义是视觉上能够迅速引起观察者注意的一种“突出性”。从模糊数学角度来看，对表示数据的张量而言，其具有某一特征的显著性可以理解为该张量具有这种特征的隶属度。张量投票技术采用线性、非迭代方法，能同时提取多种特征，且只有尺度因子一个参数，鲁棒性强，计算有效、快速。所以，张量投票方法的最大特点是输入特征和输出特征均使用张量表示，能够从稀疏或是噪声掩盖下的数据中推断出结构信息提出一种基于张量投票的主动轮廓边缘提取算法。该算法对图像进行张量编码，将其转化为二阶对称的半正定张量，每个输入张量通过预定的投票域对邻近数据进行稀疏投票，投票后每个输入点收集自身获得的选票，再进行稠密投票，以获得轮廓的显要特征，从而实现主动轮廓的边缘提取。