自適應(yīng)帶寬Mean shift圖像分割及目標(biāo)形狀識別算法研究.pdf

1、在機(jī)器視覺系統(tǒng)中,圖像分割和目標(biāo)識別是一個重點和難點問題。在目標(biāo)檢測、目標(biāo)識別和目標(biāo)跟蹤等技術(shù)中,核心技術(shù)均為圖像分割。Mean shift圖像分割算法是近幾年來應(yīng)用于圖像特征空間分析的一種新的技術(shù),該算法無需概率密度分布先驗知識及特征空間模式的聚類數(shù)目,可以有效地實現(xiàn)圖像的平滑和分割。另外,在目標(biāo)識別方面,基于Hausdorff距離測量的算法也得到了廣泛的應(yīng)用。目前,在機(jī)器視覺領(lǐng)域,圖像分割和目標(biāo)識別仍然是一個非常重要的研究課題。

2、r>　　 本文從Mean shift理論、自適應(yīng)帶寬參數(shù)選擇與Hausdorff湘似度測度理論的角度出發(fā),在核函數(shù)帶寬參數(shù)的選擇算法、目標(biāo)輪廓特征參數(shù)的提取及基于這些參數(shù)的目標(biāo)識別等方面進(jìn)行了研究.總結(jié)本論文,主要從以下幾個方面進(jìn)行研究與創(chuàng)新:
　　 (1)在基于交叉置信區(qū)間(ICI)規(guī)則的基礎(chǔ)上,提出了一種多變量自適應(yīng)帶寬參數(shù)的核函數(shù)帶寬選擇算法。分析了采用交叉置信區(qū)間(ICI)規(guī)則進(jìn)行帶寬參數(shù)選擇算法的核密度估計性能,并與

3、固定帶寬參數(shù)核密度估計進(jìn)行了比較。另外,討論了多維特征空間中自適應(yīng)帶寬參數(shù)的選擇算法,并與插入(Plug in)規(guī)則確定多維帶寬參數(shù)的算法進(jìn)行了復(fù)雜度比較。
　　 (2)將交叉置信區(qū)間(ICI)規(guī)則確定的自適應(yīng)帶寬參數(shù)應(yīng)用到Mean shift算法中,分析了自適應(yīng)帶寬Mean shift算法在圖像分割中的應(yīng)用性能。在應(yīng)用交叉置信區(qū)間(ICI)規(guī)則確定自適應(yīng)帶寬參數(shù)過程中,提出了降維方法,將多維特征空間的帶寬參數(shù)選擇算法轉(zhuǎn)換到一維

4、空間中討論。在核函數(shù)的密度估計中,用空間超球體近似空間超立方體,將多維帶寬參數(shù)的選擇轉(zhuǎn)換為空間超球體半徑的選擇問題。
　　 (3)在距離累積算法的基礎(chǔ)上,重新推導(dǎo)了一種新的曲率估計算法。在這種新的曲率估計算法中,用弦與輪廓之間的近似區(qū)域面積來估計曲率,并用近似區(qū)域面積的值來確定目標(biāo)輪廓曲線的負(fù)曲率極值點(NCM),通過這些極值點來定位輪廓的特征點。分析了距離累積算法中弦長參數(shù)對特征點定位的影響,仿真結(jié)果表明,該算法比曲率尺度空間