基于无约束凸优化的多尺度动态图像分割方法研究

项目名称： 基于无约束凸优化的多尺度动态图像分割方法研究

项目编号： No.60962007

项目类型： 地区科学基金项目

立项/批准年度： 2010

项目学科： 电工技术

项目作者： 张印辉

作者单位： 昆明理工大学

项目金额： 15万元

中文摘要： 动态背景下多尺度统计图像分割相对静态背景下的分割更具实际意义和挑战性，其中多尺度信息融合算法的鲁棒性和融合结果的一致性是实现图像准确分割的关键。隐马尔可夫树（HMT）模型为多尺度统计分割提供了一种可行的计算框架，但是现有HMT融合算法存在收敛于局部极值的局限。本项目研究基于无约束凸优化的多尺度最大后验概率全局优化理论，主要内容包括：1）研究多尺度信息图切分融合模型框架与多尺度权重能量函数建模理论，来融合尺度系数信息和子带相关信息，以保证融合算法鲁棒性；2）研究权重系数动态更新策略与无约束凸优化转化理论，来更为准确的计算多尺度权重自适应能量函数全局优化，以保证融合结果一致性；3）在典型动态背景下进行烟叶分割实验验证算法有效性，与HMTseg算法对比，作出定量评价。本项目旨在探索动态背景下多尺度信息鲁棒融合算法，以解决HMT多尺度信息融合结果不一致难题，为多尺度信息全局优化提供理论指导和依据。

中文关键词： 图像分割；多尺度；隐马尔科夫树；全局优化；

英文摘要：

英文关键词： Image segmentation；Multiscale；Hidden Markov tree；Global optimization；