轮廓是图像的基本特征之一，准确地提取出物体的轮廓为图像的后续处理提供了重要的信息。它是特征提取和识别的初始步骤，也是计算机视觉领域的一大研究热点，有着十分重要的实际应用价值和理论研究意义。目前较常用的轮廓提取方法主要有先验知识法、水平集方法、活动轮廓模型方法、数学形态学方法、基于梯度的方法、神经动力学方法、基于量子力学的方法等。粒子滤波是处理非线性非高斯条件下状态估计问题的有力工具，已被广泛应用于目标跟踪、信号处理等诸多领域，但用于研究轮廓提取的却不是很多。 　　本文从状态估计的角度出发，将图像的目标轮廓提取问题看作是非线性非高斯条件下的状态估计问题，并尝试借助粒子滤波理论在目标跟踪中所用的思路来解决轮廓的提取问题。简而言之，本文将图像中的目标轮廓看作是由很多段单元线段所形成序列集，那么轮廓提取问题就可以简单地转化为依次计算这多个线段的问题了，而对线段的计算又可以通过对其特征参数斜率和截距的估计得到。首先使用梯度算子检测出相应的边缘，并将其作为目标轮廓的预测用以引导后续的轮廓提取；然后建立状态空间，这里是基于直线斜率和截距的二维状态空间，并在此基础上对各个单元线段进行估计；接着建立相应的状态转移模型和观测模型，最后将粒子的加权平均值作为最终的状态输出值。 　　针对上述问题，本文进行了深入的研究并开展了以下几个方面的研究： 　　1、提出了一种新的图像去噪算法，运用粒子滤波加权平均的思想对图像进行噪声去除，同时兼顾了图像的灰度信息和边缘结构信息，该算法在有效去除噪声的同时保留了图像的基本纹理轮廓结构，取得了较好的去噪效果。 　　2、提出了基于粒子滤波的轮廓提取方法，并搭建了一个从状态空间的建立到轮廓输出的完整的轮廓提取框架，可细分为以下四个小的模块： 　　(1)状态空间的建立。状态空间的建立直接关系到采样的效率，它是用粒子滤波理论解决实际问题的基础。本文运用化曲为直的思想建立了基于单元线段参数的二维状态空间； 　　(2)特征参数的选择。通过对常用的一些描述轮廓的特征(如梯度、灰度、颜色、纹理等)进行分析比较后，本文选取了图像中较简单且较常用的梯度和灰度特征作为轮廓提取的特征信息，对单纯地运用粒子滤波算法来进行轮廓提取会面临的粒子退化问题起到了一定程度的改善作用。 　　(3)状态转移模型的建立。本文建立了粒子集在迭代过程的状态转移模型，引导粒子往最佳方向偏移，改善了粒子的分布，同时也加快了算法的收敛性。 　　(4)观测模型的建立。本文是将观测值与预测值差值的高斯函数作为评价函数，进而对粒子的权值进行估算，定量地对系统的真实状态进行了近似估计，减小了系统状态的估计值与真实值间的误差。