提高闭合轮廓提取准确性的格式塔完形规则新方法

"这篇研究论文探讨了一种基于格式塔完形规则的闭合轮廓提取方法，旨在解决传统方法中因背景边缘干扰导致的轮廓提取准确率低的问题。论文作者是曾接贤和王玉，他们来自南昌航空大学计算机视觉研究所。文章介绍了融入显著性约束的Canny边缘检测、边缘信息的折线逼近边缘拟合算法，以及基于闭合性的边缘关系分析和最小权值最优匹配算法，以提高轮廓提取的准确性和有效性。" 本文详细阐述了一种改进的闭合轮廓提取技术，该技术借鉴了格式塔心理学的完形规则。格式塔完形理论强调了视觉感知的整体性，其中闭合性是判断形状的关键原则之一。在传统的基于格式塔规则的轮廓提取方法中，背景边缘常常对目标轮廓的识别造成干扰，降低了提取的精度。为解决这一问题，作者提出了新的策略。 首先，论文引入了显著性约束到Canny边缘检测算法中。Canny边缘检测是一种广泛使用的边缘检测方法，但容易受到背景边缘的影响。通过结合显著性信息，可以更有效地过滤掉非目标边缘，提高边缘检测的准确性。 其次，针对Canny边缘检测后可能存在的噪声问题，作者提出了一个融合边缘信息的折线逼近边缘拟合算法。这种算法能够更好地适应和拟合实际图像中的边缘，减少噪声对边缘轮廓的影响。 然后，应用格式塔完形规则中的闭合性原理，对拟合后的边缘进行度量，分析相邻边缘之间的闭合关系。这一步骤有助于识别和连接构成闭合轮廓的边缘部分。 最后，为了确定最佳的闭合轮廓，设计了一个基于边缘闭合关系和区域显著性的代价函数。通过最小权值最优匹配算法求解这个函数，可以找到具有最低代价的闭合轮廓，从而提高轮廓提取的准确性和有效性。 实验结果证实了该方法的有效性，它提高了轮廓提取的准确率，尤其是在处理复杂背景和噪声环境下的图像时。文章的关键词包括闭合轮廓提取、格式塔完形规则、显著性、边缘拟合和目标函数，反映了研究的核心内容。此论文对于图像处理和计算机视觉领域的研究具有重要价值，特别是对于那些需要精确轮廓提取的应用，如目标检测、图像分割等。