本論文以互動的方式發展一套影像切割方法，透過手動描繪出影像的粗略邊界，再利用多邊形近似邊界的方法，將影像邊界分為片段線段所組成的多邊形邊界，再以多邊形頂點作為動態規劃階段的起點與終點，找尋最佳邊界。

多邊形近似邊界(Polygonal Approximation)是利用動態規劃，將原來的邊界以一個多邊形取代，其中並包含了三種有效率的計算方法，以節省計算量。

動態路徑規劃(Dynamic Programming)是最佳路徑搜尋的一種方式，可以在起點與終點間建立一條最佳路徑。為建立影像像素點與其鄰近像素點的相互值，以為路徑規劃的依據。結合三種能夠突顯影像邊界的方法(包括Laplacian Zero Crossing、Gradient Magnitude和Gradient Magnitude)，計算最小累積平均耗費值作為最佳邊界。

另外為了增加使用者的便利性，在找尋到最佳邊界後尚可利用增加、刪除轉折點、改變影像耗費值權重等方法微調出理想的邊界。

none

第一章 緒論
1.1 前言
1.2 研究動機
1.3 論文架構
第二章 影像區域耗費值
2.1 彩色影像特性
2.2 拉普拉斯交零點值(Laplacian zero-crossing cost)
2.3 梯度量值(Gradient magnitude cost)
2.4 梯度方向值(Gradient direction cost)
第三章 以多邊形近似邊界法處理初始邊界
3.1 手繪產生初始邊界
3.2 多邊形近似邊界法
3.3 動態規劃找尋多邊形頂點
3.4 有效率的計算法
3.4.1 累積與重複利用誤差估測值
3.4.2 起始點的決定
3.5 測試結果
第四章 動態規劃前期處理
4.1 刪除過多轉折點
4.2 擴散化與骨幹化
4.3 標定搜尋區域
4.4 轉折點修正
4.5 利用夾角限制搜尋範圍
第五章 以動態規劃求解最佳路徑
5.1 平均耗費值的概念
5.2 多階段決策問題
5.3 如何決定階段
5.4 階段與階段間之動態規劃搜尋步驟
5.5 同一階段內，點與點間之搜尋
5.6 第一階段流程圖
第六章 使用者互動介面
6.1 手動增加、刪除轉折點
6.2 改變影像耗費值權重
第七章 測試效果
7.1 基本圖形測試
7.2 一般影像測試
7.3 與PhotoImpact之比較
第八章 結論
參考文獻

Cohen, L.D., and Kimmel, R., “Global Minimum for Active Contour Models: A Minimal Path Approach,” Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1996, pp. 666-673.

Falcao, A.X., Udupa, J.K., Samarasekera, S., and Sharma, S., “User-Steered Image Segmentation Paradigms: Live Wire and Live Lane,” Graphical Models and Image Processing, 1998, Vol. 60, pp. 233-260.

Gonzales, R.C., Woods, R.E., “Digital Image Processing”, Addison Wesley, Ch 4, pp.221-222.

Horng, J.W. and Li, J.T., “An automatic and efficient dynamic programming algorithm for polygonal approximation of digital curves,” Pattern Recognition Letters, 2002, Vol. 23, pp.170-182.

J. R. Parker, “Algorithms for Image Processing And Computer Vision”, Wiley Computer Publishing, Ch 2, pp.68-75.

J. R. Parker, “Algorithms for Image Processing And Computer Vision”, Wiley Computer Publishing, Ch 5, pp.176-179.

Kirk, D.E., “Optimal Control Theory”, University Book Publishing Company, 1985.

Mortensen, E.N. and Barrett, W.A., “Interactive Segmentation with Intelligent Scissors,” Graphical Models and Image Processing, 1998, Vol. 60, pp. 349-384.

Pei, S.C., Horng, J.H., “Optimum approximation of digital planer curves using circular arcs,” Pattern Recognition Letters, 1996, Vol. 29, pp.383-288.

Perez, J.C., Vidal, E., “Optimum polygonal approximation of digitized curves using circular arcs,” Pattern Recognition Letters, 1994, Vol. 15, pp.743-750.

Zhiqiang, Z., Han, W., Eam, K. T., “Analysis of Gray Level Corner Detection,” Pattern Recognition Letters 20, 1999, pp.149-162.

黃金璋, 1999, “以動態規劃為基礎的半自動影像切割方法(A dynamic programming based semi-automatic image segmentation method)” , 碩士論文, 中山大學機械工程研究所.

葉清松,2001, “以動態規劃為基礎的自動化腫瘤影像切割方法(A dynamic programming based automatic nodule image segmentation method)”,碩士論文
,中山大學機械工程研究所.

連國珍, “數位影像處理”, 儒林出版社, Ch 10, pp.10-4~10-8.