基于不完整三維信息的圖像識(shí)別.pdf

1、圖像識(shí)別作為圖像信息處理技術(shù)，近些年來得到了非常廣泛的應(yīng)用。傳統(tǒng)的圖像識(shí)別基本原理是從待識(shí)別圖像中將待識(shí)別的物體的特征以某種形式表示出來，轉(zhuǎn)化成計(jì)算機(jī)能夠處理的數(shù)據(jù)，然后計(jì)算機(jī)依照之前擬定的判別函數(shù)，對圖片中的待識(shí)別物進(jìn)行判定識(shí)別?；诓煌暾S信息的圖像識(shí)別，所要進(jìn)行的識(shí)別活動(dòng)是基于含有不完整三維信息的圖像，前期思想是“它是不是它”，利用數(shù)量少且含有信息有限的圖像，從數(shù)據(jù)庫海量圖片中將符合這些信息的圖片全部查找出來，后期隨著獲得的圖片

2、數(shù)量的增多，可以以人工干預(yù)的方式進(jìn)行圖像的篩選，最終目的是形成對待識(shí)別物體的整體認(rèn)識(shí)，逐漸將思想轉(zhuǎn)換成“它是誰”，將待識(shí)別物體以某種形式表示，并與前期篩選出來的進(jìn)行匹配，找到最符合的圖像。由此可見，對基于不完整三維信息的圖像識(shí)別的研究在圖像處理領(lǐng)域有重要的意義。
　　SIFT算法全稱為Scale-invariant feature transform，中文名稱為尺度不變特征轉(zhuǎn)換。當(dāng)圖像發(fā)生尺度變化、亮度變化、空間上的旋轉(zhuǎn)以及噪聲對

3、圖像的污染等影響時(shí)，SIFT算法都能保持良好的適用性。而且即便是圖像中待識(shí)別物體存在很少的一部分時(shí)候，該算法也能夠產(chǎn)生很多的，用于表征待識(shí)別物體特點(diǎn)的特征信息。因此根據(jù)本課題的特殊性，我們選擇使用SIFT算法最為基本算法，根據(jù)有限的圖像數(shù)量以及不完整的三維信息，隨著待識(shí)別圖像數(shù)量的增多，提取的特征就增多，可以逐漸減少識(shí)別出圖像的數(shù)量，最終將范圍縮小到一定的范圍，以此來實(shí)現(xiàn)“它是不是它”。
　　另外，本文的難點(diǎn)是如何表示“它是誰”，

4、并且在后期利用足夠多的圖像，將待識(shí)別物體以何種形式表示出來等。因此，本文在利用SIFT算法提取的特征向量基礎(chǔ)上，提出了一種新的建模方法——循環(huán)匹配向量建模，利用此方法可以將待識(shí)別物體的特征用數(shù)學(xué)向量的形式表示。
　　在研究了國內(nèi)外大量的圖像識(shí)別的研究文獻(xiàn)基礎(chǔ)上，滿足本論文的目的和要求的前提下，本文利用不完整三維物體的圖像，提出了基于SIFT算法提取圖像特征向量，利用循環(huán)匹配向量建模法構(gòu)建待識(shí)別物體數(shù)學(xué)向量模型，實(shí)現(xiàn)了基于不完整三維