魯棒性圖像曲線匹配方法研究.pdf

1、曲線匹配是模式識別、計算機視覺和圖像理解中許多任務的關鍵步驟之一。本論文圍繞存在剛體變換或者可以認為近似存在剛體變換的曲線匹配問題進行了比較深入、系統(tǒng)的研究，主要工作有： 1、提出了一種實用的基于證據(jù)積累的圖像曲線粗匹配方法。該方法比較有效地解決了將圖像中提取的一條曲線(較短)與一條參考曲線(較長)相匹配的問題。具有如下特點：一、通過實驗發(fā)現(xiàn)曲線上兩點之間的直線距離較它們之間的曲線距離對噪聲等誤差更魯棒；基于此，在參考曲線上選取

2、可能的匹配曲線段時，利用首尾點的直線距離作為主要匹配標準，大大提高了算法的魯棒性；二、將證據(jù)積累的思想應用到控制點的匹配上，有效地去除了錯誤的控制點和不必要進行匹配的曲線段，在提高算法魯棒性的同時極大地降低了算法的計算復雜度；三、在傳統(tǒng)的Hausdorff距離計算中引入高斯概率統(tǒng)計模型，使其更適合作為實際應用中評價兩條曲線匹配程度優(yōu)劣的一種度量。大量衛(wèi)星影像及數(shù)碼相機照片實驗證明了該匹配方法的有效性和實用性。 2、提出了一種基于

3、Fourier-Mellin變換的圖像曲線粗匹配方法。該方法將兩條圖像曲線間的匹配問題轉化為兩幅二值圖像間的配準問題，由圖像間的配準關系間接地獲得曲線間的變換參數(shù)。本文方法不需要提取曲線的局部特征，而是直接用曲線的整體頻域特征實現(xiàn)匹配，從而避免了提取特征點以及特征點匹配等問題，同時還大大提高了算法的魯棒性。大量的模擬數(shù)據(jù)和真實數(shù)據(jù)實驗表明，該方法能夠比較有效地解決存在(或近似存在)相似變換關系的兩條曲線間的匹配問題。 另外，本文

4、還研究探討了一種基于“感知物體”的選擇性注意模型。該注意模型將“感知物體”看作注意的基本單元，并給出了一種計算感知物體顯著度的算子。該模型包含兩個步驟：(1)在給定的圖像中如何選擇第一個注視點；(2)注視點在給定圖像中的有效轉移。與文獻中其它注意模型相比較，我們所提出的基于“感知物體”的選擇性注意模型有以下特點：(1)該模型是完全基于物體的，其輸出結果可以方便的用于物體檢測、圖像分割和場景分析中；(2)該模型是多尺度的，可以根據(jù)實際任務