用于粗线状物体位置与宽度计算的线性锚定高斯混合模型

在X射线成像、遥感和道路交通车道线检测等许多实际应用中，精确检测粗线状结构的中心线并很好地估计其厚度是具有挑战性的课题。基于模型的Hough变换和Radon变换方法常被使用，但不推荐用于粗线检测；而基于图像导数的方法需要进一步的逐步处理，使其效率依赖于每一步的结果。本文提出了一种更好地检测粗线状物体的新范式，将三维图像灰度表示视为一种统计分布的有限混合模型，称为线性锚定高斯分布，并由一个尺度因子参数化以描述结构厚度，以及由半径和角度参数来定位结构中心线。使用原始图像作为输入数据的期望最大化算法（Algo1）用于估计模型参数。为了消除非均匀和有噪声背景带来的无关信息，本文详细描述了一种改进的EM算法（Algo2）。在实验中，所提出的算法在真实世界图像以及受模糊和噪声污染的合成图像上显示出有希望的结果，其中使用基于Hessian矩阵的角度初始化的Algo2在运行时间以及结构定位和厚度计算精度方面优于Algo1以及随机角度初始化的Algo2。