在图象处理和计算机视觉研究领域中,对象定位一直是一个饶有趣味并富有挑战性的课题。对象定位技术在诸如医疗辅助诊断、武器精确制导、人机交互等医学、军事和计算机科学众多领域都发挥着至关重要的作用,并显示出巨大的应用前景。 本文以医学图象中脊柱的定位为应用背景,把一维隐马尔可夫模型(1-D HMM)应用于二维图象中线性结构对象的定位。为了提取包含丰富特征信息的特征矢量,本文提出了一种新的特征重叠抽取技术。同时基于对经典 Viterbi 算法的分析和理解,并结合本文实际情况对其进行改进,提出了全局最优搜索算法完成对象定位,在此基础上还进一步提出了可控的最优搜索算法,以解决定位时间和定位性能间的矛盾。 为了验证所提方法的有效性,本文以真实的人体脊柱 X 光照片为实验样本进行了大量的定位实验。实验结果表明:与传统的对象定位方法相比,HMM 模型不需要对图象施加较多的限制,就可获得满意的定位结果,具有较高的通用性和准确性。同时分别引入了特征重叠特征抽取技术和可控的最优搜索算法之后,定位效果有了进一步的提高。本文还通过实验分析了实现特征重叠抽取的采样窗口的变化及重叠度对定位性能的影响,分析了当对最优搜索的步数进行控制时定位性能的变化,并根据实验数据总结出了一些可用于指导建立 HMM 模型原型的规律。在此基础上提出了一些改进的思想和方法,这对于提高线性结构对象的定位性能,促进基于 HMM 的对象定位方法向实用化方面发展具有一定的借鉴价值。