基于中層特征學(xué)習(xí)的旋轉(zhuǎn)對稱目標(biāo)檢測算法研究.pdf

1、對稱結(jié)構(gòu)在自然界廣泛存在，對稱性檢測在現(xiàn)實世界人和動物的感知中扮演著重要角色，在目標(biāo)對象識別與分類中也起著重要作用。一種高效而魯棒的對稱性檢測算法可以使許多計算機(jī)視覺和圖形應(yīng)用從中受益。
　　目前大多數(shù)對稱性檢測算子的共同瓶頸在于：首先，它們大多使用局部的低層特征來描述對稱性，對含有單個目標(biāo)的圖像有效，對于包含多個目標(biāo)的圖像，則需要事先進(jìn)行分割；其次，大多依靠精確的數(shù)學(xué)定義來進(jìn)行對稱性檢測，而自然界中的對稱物體一般都只是一定程度上

2、滿足對稱的數(shù)學(xué)定義，一般會存在局部的形變和缺失。因此目前方法普遍適用范圍較小，檢測結(jié)果也會受到一定程度的影響，甚至直接檢測失敗，而且計算復(fù)雜度較高，在檢測精確性上也存在不足。
　　針對自然界中旋轉(zhuǎn)對稱物體的不規(guī)則性和隨機(jī)性特點，本文使用更有描述力的中層特征，提出了一種新的旋轉(zhuǎn)對稱目標(biāo)檢測算法。該算法沒有按照精確的數(shù)學(xué)定義來檢測旋轉(zhuǎn)對稱，而是通過對圖像中的關(guān)鍵點的位置分布統(tǒng)計分析來估計旋轉(zhuǎn)對稱中心的位置。主要的研究內(nèi)容和成果包括：<

3、br>　　1)提出了基于中層特征的旋轉(zhuǎn)對稱簇提取算法。本文提出了旋轉(zhuǎn)對稱簇（通過對上述的關(guān)鍵點進(jìn)行旋轉(zhuǎn)不變性的聚類后得到）這一概念來對旋轉(zhuǎn)對稱的問題進(jìn)行描述，并在此基礎(chǔ)上提出了更為廣義的旋轉(zhuǎn)對稱目標(biāo)的統(tǒng)計表示方法。首先通過素描令牌提取圖像中視覺感興趣的關(guān)鍵點的位置，以保證更多對于視覺有意義的信息參與到后期的分布統(tǒng)計中;然后通過給定的置信度閾值對信息較強(qiáng)的關(guān)鍵點特征進(jìn)行篩選，并使用sift描述子對所篩選位置進(jìn)行特征描述，最后使用k-mea

4、ns進(jìn)行特征學(xué)習(xí)，將這些位置聚類為不同的旋轉(zhuǎn)特征簇。
　　2)提出了多尺度旋轉(zhuǎn)對稱中心加權(quán)算法。為了能夠?qū)Σ煌叨鹊男D(zhuǎn)對稱目標(biāo)進(jìn)行提取，本文提出了多尺度旋轉(zhuǎn)對稱中心加權(quán)疊加算法。對各個尺度下的概率映射圖進(jìn)行加權(quán)疊加得到最終的旋轉(zhuǎn)對稱概率映射圖，并通過顯著度檢測工具包獲取旋轉(zhuǎn)對稱中心坐標(biāo)。
　　本文也對基于頻域的對稱性檢測方法進(jìn)行了研究，選取其中效果最好的Yanxi Liu等人的方法進(jìn)行了實驗，最后通過對他們提供的旋轉(zhuǎn)圖像測