基于圖理論的圖像描述與匹配算法研究.pdf

1、圖像的表示與匹配技術(shù)是圖像處理、分析與理解的基礎(chǔ)。它對(duì)圖像的后續(xù)處理、分析和識(shí)別具有十分重要的作用。近幾年來(lái)，基于圖理論的圖像分析與識(shí)別技術(shù)得到越來(lái)越多研究者們的關(guān)注。由于圖模型的靈活性以及較強(qiáng)的數(shù)學(xué)理論基礎(chǔ)，利用圖理論進(jìn)行圖像分析處理已經(jīng)成為圖像處理領(lǐng)域中的重要研究分支。本文在當(dāng)前圖形圖像的圖理論模型分析方法的基礎(chǔ)上，對(duì)圖像的圖表示以及基于圖理論的圖像匹配算法進(jìn)行了研究，主要包括基于圖表示方法的形狀圖像特征提取，圖像的結(jié)構(gòu)圖表示與識(shí)別

2、，圖匹配算法的圖像匹配技術(shù)。
　　 本文的主要工作及創(chuàng)新點(diǎn)如下：
　　 (1)針對(duì)傳統(tǒng)的物體形狀特征提取方法對(duì)一些非剛性變形較敏感等問(wèn)題，提出了一種新的基于骨架樹(shù)模型的形狀特征表示方法，并在基礎(chǔ)上實(shí)現(xiàn)了形狀的匹配與相似性度量。該方法是在傳統(tǒng)骨架描述方法的基礎(chǔ)上，進(jìn)一步考慮輪廓曲線的特征信息，從而充分利用了形狀的拓?fù)涮卣骱蛶缀翁卣?。?duì)一些非剛性變形該算法具有較好的魯棒性，而且時(shí)間復(fù)雜度較低。此外，針對(duì)傳統(tǒng)序列匹配方法存在起

3、點(diǎn)選擇及不對(duì)稱等問(wèn)題，進(jìn)一步改進(jìn)了傳統(tǒng)的子序列映射算法，給出了一種改進(jìn)的最優(yōu)子序列匹配映射算法。改進(jìn)算法不僅僅能夠處理起點(diǎn)不同的序列之間的匹配，而且基于這個(gè)算法的序列距離度量方法滿足距離定義中的對(duì)稱性條件。將改進(jìn)的序列匹配算法應(yīng)用于骨架圖的匹配取得了較好的匹配效果。
　　 (2)針對(duì)傳統(tǒng)物體的形狀存在非剛性變形等特點(diǎn)。提出了一種骨架上下文描述子的表示方法。該方法在傳統(tǒng)的形狀上下文描述方法的基礎(chǔ)上進(jìn)一步結(jié)合了形狀的骨架表示方法的特

4、點(diǎn)。該方法集成了形狀的骨架和上下文描述方法的特點(diǎn)與優(yōu)勢(shì)，進(jìn)一步拓展了傳統(tǒng)上下文描述子以及骨架圖表示方法的形狀描述能力，克服了傳統(tǒng)的上下文描述子對(duì)非剛性變形的形狀表示能力弱等缺陷，算法復(fù)雜度較低。在骨架上下文的基礎(chǔ)上，利用本文所提的改進(jìn)的最優(yōu)子序列映射方法實(shí)現(xiàn)了骨架圖的匹配和形狀相似性的度量。形狀檢索實(shí)驗(yàn)表明該算法具有較好的魯棒性，對(duì)形狀的識(shí)別精度較高。
　　 (3)在傳統(tǒng)的圖像的結(jié)構(gòu)圖表示方法的基礎(chǔ)上，結(jié)合復(fù)雜網(wǎng)絡(luò)相關(guān)理論，提出

5、了一種基于復(fù)雜網(wǎng)絡(luò)模型的結(jié)構(gòu)圖特征提取與相似性度量方法。該方法首先利用復(fù)雜網(wǎng)絡(luò)模型對(duì)結(jié)構(gòu)圖進(jìn)行建模，再利用復(fù)雜網(wǎng)絡(luò)的靜態(tài)和動(dòng)態(tài)演化特征實(shí)現(xiàn)對(duì)結(jié)構(gòu)圖的拓?fù)浣Y(jié)構(gòu)的描述。該方法為進(jìn)一步利用復(fù)雜網(wǎng)絡(luò)理論解決模式識(shí)別與圖像處理等領(lǐng)域中的問(wèn)題提供了基礎(chǔ)。為實(shí)現(xiàn)圖像的結(jié)構(gòu)化描述與識(shí)別提供了新的理論保證。在人工和真實(shí)圖像庫(kù)上的實(shí)驗(yàn)表明，所提的復(fù)雜網(wǎng)絡(luò)表示方法不僅能夠?qū)崿F(xiàn)對(duì)不同物體的分類和聚類，而且針對(duì)同一物體的不同姿態(tài)，該方法還能進(jìn)一步實(shí)現(xiàn)對(duì)這些不同姿

6、態(tài)圖像進(jìn)行視覺(jué)結(jié)構(gòu)分析。
　　 (4)針對(duì)圖像的特征點(diǎn)匹配問(wèn)題，給出了一種新的基于結(jié)構(gòu)圖匹配技術(shù)的圖像特征匹配算法。該方法首先定義待匹配結(jié)構(gòu)圖之間最短路徑的相似性度量，然后，通過(guò)計(jì)算匹配關(guān)系之間的親和性，進(jìn)一步利用網(wǎng)絡(luò)的最大團(tuán)檢測(cè)技術(shù)實(shí)現(xiàn)頂點(diǎn)之間對(duì)應(yīng)問(wèn)題的求解。網(wǎng)絡(luò)的最大團(tuán)檢測(cè)技術(shù)是數(shù)據(jù)挖掘領(lǐng)域中的重要研究?jī)?nèi)容之一，本文首次提出了利用這種技術(shù)實(shí)現(xiàn)結(jié)構(gòu)圖匹配的一種途徑。該算法避免了傳統(tǒng)的基于優(yōu)化理論的結(jié)構(gòu)圖匹配算法的較高復(fù)雜性以及

7、對(duì)噪聲敏感等問(wèn)題，為結(jié)構(gòu)圖的匹配提供了一種新的思路。實(shí)驗(yàn)表明該算法對(duì)于受噪聲干擾較大的結(jié)構(gòu)圖匹配具有較好的匹配效果。
　　 (5)在傳統(tǒng)的結(jié)構(gòu)圖的譜匹配方法的基礎(chǔ)上，提出了一種基于隨機(jī)點(diǎn)積圖及圖的點(diǎn)積表示模型的結(jié)構(gòu)圖匹配算法，并在此基礎(chǔ)上實(shí)現(xiàn)了圖像的特征點(diǎn)之間的匹配。隨機(jī)點(diǎn)積圖理論是近年來(lái)興起的隨機(jī)圖理論中的重要的研究分支。它作為隨機(jī)圖理論體系中的一個(gè)重要模型，已經(jīng)成功應(yīng)用于圖像處理與模式識(shí)別等相關(guān)領(lǐng)域。本文進(jìn)一步拓展了隨機(jī)點(diǎn)積