一致性標號算法研究.pdf

1、一致性標號算法在計算機視覺中具有廣泛的應用。一致性標號算法分為稀疏點集標號和稠密點集標號，本文提出一種基于局部最優(yōu)描述的稀疏點集標號算法；并在魯棒稀疏點集標號算法的基礎上，提出結合稀疏點集信息的稠密點集標號算法。本文針對多個涉及到一致性標號的應用問題，分別進行了詳細的算法設計。
　　1.點集匹配是稀疏標號的典型代表，本文利用局部的暴力搜索提高算法的整體性能，提出點集匹配的局部最優(yōu)描述，并進行詳細的統(tǒng)計實驗，實驗證實本文算法在應付點

2、集變形、噪聲點、外點、局部遮擋、大角度旋轉等干擾時，相對傳統(tǒng)的點集匹配算法精確度和魯棒性較高。
　　2.在魯棒稀疏點集標號算法的基礎上，本文提出結合局部特征點信息的光流場分析方法，并針對 PIV粒子圖像流場分析進行了詳細實驗，實驗證實本文提出的光流場能夠很好地應對圖像特征信息較弱的情況。
　　3.本文將一致性約束建模到當前較為熱門的三個研究領域中：背景建模、多目標跟蹤、三維網(wǎng)格跟蹤。傳統(tǒng)的背景差分沒有將空間信息結合到背景模型

3、中，本文從這一點出發(fā)，建立一致性約束的背景模型，實驗結果證實本文提出的背景模型相對于傳統(tǒng)背景模型魯棒性和精確度較高，并且能夠自適應地調整閾值。多目標跟蹤在面對多個表觀相似的運動目標時，容易產(chǎn)生混淆，本文將目標之間的空間距離約束結合于多目標跟蹤，實驗結果證實該方法能夠很好地應對該種情況，并且能夠應付若干目標遮擋的情況。三維網(wǎng)格跟蹤是近場運動目標姿態(tài)測量的核心算法，本文提出利用網(wǎng)格點集之間的空間約束來提高算法的魯棒性，并且針對存在大視角變化