图像理论

为什么边缘位置存在于一阶导数的极值点处和二阶导数的零点处

1.基于边缘检测的图像分割 常用微分算子进行边缘检测 常用的一阶微分算子有：Roberts、Prewitt和Sobel，常用用的二阶微分算子：Laplace、kirsh。微分运算是运用模版和图像卷机来实现的，这些算子对噪声敏感，只适用于噪声较小且不太复杂的图像，由于噪声处，像素也是不连续的，所以在利用微分算子进行边缘检测?，需要事先对图像进行平滑滤波处理，以预先除去或者降低噪声。 目前，已经有同时实现平滑和边缘检测的微分算子，例如Log和Canny分别是具有平滑功能的二阶和一阶微分算子。他们都具有良好的边缘检测的效果。

2.基于区域的图像分割： （1）阀值分割法：将像素点的灰度值和阀值进行比较，将代表的目标的像素点集合从背景区域中分离出来。若阀值为t，if f(x,y)

动态图像分割
1.差分分割法
1）背景差分方法
2）帧间差分方法
2.光流法
1）基于时空梯度的方法
2）基于匹配的方法：包括基于特征和基于区域两种
基于特征：不断对主要特征进行跟踪和定位
基于区域：先对类似的区域进行定位，然后通过相似区域的位移计算光流。
3）基于相位的方法
4）基于频域的方法
3.活动轮廓模型法
4.小波分析方法

2.2动作特征提取
远景：通常利用运动轨迹对轨迹进行分析
近景：基于从图像序列提取的信息对人体目标的四肢和躯干进行二维或者三维的建模