基于輪廓信息的圖像模式匹配.pdf

1、基于輪廓信息的圖像模式匹配廣泛應用于工業(yè)、農業(yè)、商業(yè)和生活中的各個領域，是計算機視覺中一個重要的研究課題。其現(xiàn)有方法按技術路線可分為自下而上和自上而下兩類。其中，自下而上的方法以廣義 Hough變換為代表，它將輪廓點由平面空間逐點變換到參數(shù)空間，通過投票計票的方式實現(xiàn)模板圖像和物體圖像的匹配；自上而下的方法以活動輪廓模型為代表，它通過最小化包含形狀先驗知識的能量泛函的方式將初始輪廓整體演化到物體邊緣以完成圖像模式匹配。但這兩類方法都尚存

2、在一些待解決的問題。其中，廣義 Hough變換缺乏對包含非線性形變的同類物體進行匹配的能力；而活動輪廓演化在融合形狀先驗知識時在能量泛函中額外加入了形狀項，從而增加了數(shù)值解法的復雜性和抽象性，缺乏可控性和靈活性。
　　本研究主要內容包括：①在基于廣義Hough變換的圖像模式匹配中，本文提出了輪廓點鄰域的局部拓撲結構特征。它由廣義交叉數(shù)、鄰域邊界方向角、重心夾角和重心距離構成。與現(xiàn)有研究相比，它能更加準確地描述物體輪廓的空間分布特性

3、。具體的說，其中的廣義交叉數(shù)能描述區(qū)域輪廓的復雜度，鄰域邊界方向角能描述區(qū)域輪廓的方向特征，重心夾角和重心距離能描述輪廓點相對于參考點的位置特征。②提出了一個基于形狀空間投影的新型的圖像模式匹配框架。該框架結合了形狀空間投影、輪廓的B樣條表示、活動形狀模型、CV模型驅動力和三種輪廓演化策略，在輪廓演化方面具有很強的可控性和直觀性。在該框架中，本文提出的兩種形狀空間----擴展仿射變換形狀空間和點分布模型形狀空間，能夠在投影階段將輪廓演化

4、過程中產生的任意形變分別限制到線性形變和同類物體非線性形變的范圍內，并能快速計算形狀模型中的優(yōu)化參數(shù)值，在實現(xiàn)與能量泛函中形狀項相同功能的同時，避免了數(shù)值解法的抽象性和復雜性。③提出了三種活動輪廓演化策略，具體包括快速輪廓演化、輪廓選擇演化和形狀子空間選擇。其中，快速輪廓演化計算各采樣點在CV模型驅動下的優(yōu)化步長，在提高演化速度的同時讓輪廓更準確地收斂到物體邊緣；輪廓選擇演化將采樣點按其與物體輪廓距離遠近分類，只對滿足距離條件的采樣點進

5、行驅動，解決了遮擋條件下輪廓無法準確地收斂到物體邊緣的問題，提高了匹配算法的魯棒性；形狀子空間選擇提供了更精細地約束線性形變的候選手段，該過程能有效避免演化過程中出現(xiàn)的誤匹配和過匹配。此外，在本文的匹配框架中，筆者提出了像素亮度組合預處理算法。它將灰度圖形式的測試圖像轉化為二值圖序列，降低了模式匹配問題的復雜性。通過在人工合成圖像、路面交通標志數(shù)據(jù)集、MNIST手寫數(shù)字數(shù)據(jù)集和 ETHZ 形狀數(shù)據(jù)集上的對比實驗證實，本文提出的方法在匹配