论文部分内容阅读
骨架作为一种简单有效的形状描述方法,已被广泛应用于计算机动画、图像压缩与检索、文字识别、电路板检测、机器人路径规划、以及科学与生物医学图像分析等领域。如何快速地提取出准确、有效的骨架,对图形图像处理领域的研究者,依然是一个富有挑战性的关键问题,具有重要的理论意义和研究价值。本文从骨架提取、骨架修剪以及骨架应用三个方面对这一问题开展了研究,主要研究结果如下: 通过扩展基于最大圆盘模型的骨架定义,将骨架提取转化为了一个区域划分问题,在此基础上,提出了一种基于区域划分的骨架提取算法。算法的主要思想是将骨架定义由点的集合(最大圆盘圆心的集合)转化为线的集合(子区域之间边界线的集合),以解决基于最大圆盘模型的骨架定义引起的在离散空间中骨架不连通的问题。扩展后的骨架不仅保持了原骨架在连续空间中的所有特性,而且还能保证在被映射到离散空间后所得骨架的连通性。实验结果表明本文提出的算法不仅对不同形状、边界噪声和几何变换有很好的稳定性,而且相比于近年提出的几种新的骨架提取算法,结果更加准确。此外,本文提出的骨架提取算法在使用上也更加灵活,除了可以自动地生成整个形状的骨架外,还可以通过设置边界上的特征点,只生成部分区域的骨架。这对于路径规划和印刷电路板(PCB)检测等应用甚为重要。 基于多目标决策理论和方法,提出了一种基于信息融合的骨架修剪算法。由于骨架所固有的不稳定性,形状边界上的噪声或足小的扰动很容易对尘成的骨架造成较大的影响,因此在对骨架进行进一步的处理和分析之前,需要删除这些不必要的分支。对同一骨架分支,考虑的角度不同,对其重要性所作出的评价也会不同,这就造成了传统的基于单一目标的骨架修剪算法在遍历骨架分支过程中,经常会将一些相对重要的分支提前删除。本文提出的基于信息融合的骨架修剪算法,将骨架修剪看作是一个多目标决策问题,在修剪过程中,采用一票否决、加权特征融合等多种信息融合策略综合考虑了区域可重建性、轮廓可重建性和视觉贡献等多方面的信息。实验结果表明本文提出的算法不仅能有效地去除边界噪声的影响,而且能够生成一种符合视觉习惯的多层次、多尺度的骨架表示。 在骨架应用方面,研究了三维人体重建中的包围盒计算、三维骨架化、和骨架模型匹配等问题,设计并实现了一个基于三维骨架化的人体姿态估计系统。人体姿态估计是骨架在计算机动画与游戏中的一个典型应用,也是进行无标记运动捕捉的一个关键问题。本文所设计的系统以多视角视频作为输入,包括三维重建、三维骨架化和骨架模型匹配等三个功能模块,实验结果表明系统具有处理速度快、准确度较高且无需人工干预等特点。在三维重建模块设计中,提出了一种快速有效的最小包围盒估计算法,实验结果表明基于这种包围盒估计算法,系统能进行实时的三维人体重建;在三维骨架化模块设计中,对现有的6步子迭代细化算法中的迭代过程进行了改进,通过减少迭代次数实现加速三维骨架化处理的目的。在骨架模型匹配模块设计中,提出了一种基于启发式搜索的快速人体骨架模型参数估计方法。