1、隨著各種成像技術,包括醫(yī)療成像、多頻段軍事遙感成像等關鍵技術的突飛猛進,以及數碼相機、攝像機、攝像頭等民用數碼技術的廣泛普及,人們對圖像視頻信息的獲取能力急劇提高,面對這種爆炸式增長的圖像視頻信息量,傳統(tǒng)人工處理的方式顯然已經遠遠跟不上要求,而圖像的線條畫則為這些圖像視頻信息在計算機中的快速讀解提供了解決的途徑和可能。本文根據已有的邊緣、邊界、輪廓檢測方法,給出了基于條件隨機場模型的圖像邊界檢測方法和基于邊緣跟蹤的圖像線條畫繪制算法。<

2、br>　　論文的主要工作和創(chuàng)新點如下：
　　(1)基于條件隨機場模型的圖像邊界檢測方法主要分為三個部分：訓練數據與推斷數據的預處理、模型的訓練與推斷、推斷后處理。預處理分為兩步：圖像特征計算和特征后處理,在圖像特征計算中,選用了圖像的方向能量、灰度梯度、紋理梯度以及統(tǒng)計特征等四個圖像特征；在特征后處理中,使用中值濾波算法處理了圖像紋理梯度的雙邊緣問題,同時對圖像灰度梯度和圖像紋理梯度進行融合得到融合梯度,最后使用非極大抑制方法,對

3、圖像方向能量、圖像統(tǒng)計特征、融合梯度這三個特征進行細化處理。在模型的訓練與推斷部分,模型分為訓練和推斷兩個部分,對于模型訓練,本文以對原圖像進行第一次小波分解后的低頻部分為基礎產生訓練數據對,對低頻部分圖像以處理后的方向能量、統(tǒng)計特征、融合梯度三個特征組成的向量組作為觀測數據,以學習邊界圖像為標記數據,而學習邊界圖像是基于方向能量、統(tǒng)計特征、融合梯度進行圖像紋理邊緣、噪聲和背景邊緣抑制后產生的；對于模型的推斷,使用Gibbs采樣算法進行

4、推斷。在推斷后處理中,本文給出了一個邊緣細化連接的方法對推斷得到的結果進行處理。通過實驗表明本文方法是可行而且有效的。
　　(2)基于邊緣跟蹤的圖像線條畫繪制算法由邊緣跟蹤和線條畫繪制兩部分組成。本文提出了基于相異性度量的邊緣跟蹤算法,以使利用邊界檢測方法得到的邊界能夠歸類、連接；在線條畫繪制過程中,引入非均勻B樣條對不連續(xù)邊界進行插值并使用高斯平滑以獲得連續(xù)光滑的邊緣線條,然后以線條的曲率為依據,生成畫筆,實現線條畫的繪制。實驗