基于輪廓的形狀識別方法研究.pdf

1、隨著個人電子設(shè)備的廣泛應用以及設(shè)備性能的不斷提高,人們需要處理越來越多的圖像數(shù)據(jù)。計算機技術(shù)的不斷提升,加速了人們利用計算機來理解和處理這些圖像數(shù)據(jù)的進程。為了有效地管理和理解這些數(shù)據(jù),圖像底層特征(顏色、紋理、形狀等)成為解決這一問題的重要元素。形狀作為一種最具感知意義的特征,成為研究人員熱點研究對象。與形狀匹配和識別相關(guān)的應用越來越多(如數(shù)字識別、商標檢索、行為識別、人體姿態(tài)估計),人們希望能有更好的算法來處理研究中所面臨的問題。這

2、些使得形狀的匹配和識別成為一個具有理論和實踐意義的研究課題。
　　 在當前眾多形狀匹配方法中,基于輪廓的方法所表現(xiàn)出的良好性能優(yōu)勢和相當?shù)陌l(fā)展?jié)摿?使其成為該領(lǐng)域十分活躍的研究課題,但同時也存在諸多挑戰(zhàn)。本文立足于對形狀匹配原理的思考,從計算機視覺的角度出發(fā),對基于輪廓的形狀匹配作了較深入的研究。針對現(xiàn)有算法存在的問題,主要完成了以下研究工作:
　　 (1)現(xiàn)有基于輪廓的形狀匹配算法在完成輪廓對應時大多采用一對一的映射模

3、型。一對一映射模型在各算法中表現(xiàn)出了較好的性能,但仍存在一定問題。由于沒有考慮到輪廓點在形狀上的位置屬性,基于一對一映射的算法容易出現(xiàn)誤匹配的情況。為了降低誤匹配率,本文將點之間的位置關(guān)系加入到形狀匹配模型中,提出一種點對映射的形狀相似性度量模型,并用核函數(shù)來定義點對映射的關(guān)系值。為了提高形狀識別的正確率,利用形狀識別的特性,本文提出一種度量待識別形狀與模型形狀之間的距離的方法,該方法有效地提高了形狀識別的正確率。
　　 (2)

4、極坐標系是一種被廣泛應用的二維坐標系,受極坐標矩陣和形狀上下文方法的啟發(fā),本文將兩者結(jié)合得到一種全局形狀上下文描述子。為了降低形狀邊界上離散像素點對描述子的影響,本文從人類視覺感知出發(fā),用角度梯度來簡化形狀。由于忽略了形狀邊界上的微小變化,經(jīng)過簡化后的形狀所提取的全局上下文描述子更具抗噪能力。
　　 為了驗證算法的有效性,本文在通用的標準測試集MPEG-7CE-Shape-1上進行了實驗,該測試集包含的形狀豐富,是一個被廣泛使用