基于Tensor-SIFT的推土机距离用于轮廓跟踪

在复杂环境中进行轮廓跟踪是一个具有挑战性的问题，原因包括杂乱的背景、光照变化、遮挡和噪声等。本文通过解决其中一些关键问题，提出了一种鲁棒的轮廓跟踪方法，这些问题包括：(a) 区域泛函的公式化及其优化；(b) 鲁棒且有效特征的设计；(c) 集成跟踪算法的开发。首先，我们基于鲁棒的推土机距离(EMD)并利用核密度进行分布建模，构建了一个区域泛函，并提出了一种两阶段优化方法。在第一阶段，固定候选轮廓，将EMD表示为运输问题，并通过单纯形算法求解。接下来，利用形状导数理论，在运输问题最优解附近对轮廓进行扰动分析，这导出了一个控制轮廓演化的偏微分方程(PDE)。其次，我们设计了一种新颖且有效的跟踪应用特征。我们提出了一种通过张量分解的降维方法，获得了SIFT特征的低维描述，称为Tensor-SIFT，用于表征局部图像区域属性。Tensor-SIFT适用于彩色和灰度图像，具有高度的区分性，并且对光照变化和噪声不敏感。最后，我们开发了一种集成算法，结合了单纯形算法、窄带水平集和快速行进算法的多种技术。特别地，我们引入了一种帧间初始化方法和一个用于终止PDE迭代的停止准则。在具有挑战性的图像序列上的实验表明，所提出的方法具有令人满意的性能。