基于輪廓點集順序關(guān)系的形狀匹配方法研究.pdf

1、隨著計算機技術(shù)的不斷發(fā)展，形狀匹配技術(shù)逐漸成為機器視覺和模式識別領(lǐng)域的一個研究熱點，很多形狀匹配方法已成功應(yīng)用于人臉識別、機器人導(dǎo)航、醫(yī)學影像分析等領(lǐng)域。形狀匹配方法的基本出發(fā)點是使用合理的度量準則計算形狀間的距離或相似性，因此，如何構(gòu)造有效的形狀特征描述符，并根據(jù)描述符的不同選擇合理的特征匹配方案，是形狀匹配過程中需重點關(guān)注的問題。
　　本文從逐對形狀匹配和形狀距離學習兩個角度進行分析。在逐對形狀匹配方法中，針對使用三角形區(qū)域特

2、征描述子對一些相似形狀進行匹配時魯棒性較差，以及區(qū)分某些不相似形狀時判別能力較弱的問題，提出一種結(jié)合輪廓點空間關(guān)系特征的多尺度形狀特征描述子。通過分析不同尺度下參考點與其他采樣點之間的位置關(guān)系，構(gòu)造出形狀特征描述子，實現(xiàn)對形狀局部和全局信息的描述。且在特征匹配階段引入動態(tài)規(guī)劃和形狀復(fù)雜度等，確保形狀匹配的精度。為彌補逐對形狀匹配方法未考慮樣本空間中流形結(jié)構(gòu)信息這一缺陷，引入距離學習的后期處理步驟對其進行改進。在形狀距離學習方法中，使用期

3、望首達時間對相距較遠的形狀距離進行更新時，完成狀態(tài)轉(zhuǎn)移的平均步長較長，導(dǎo)致更新后的距離存在偏差，針對這一問題，提出一種廣義期望首達時間算法。在形狀樣本狀態(tài)空間集合中，廣義期望首達時間表示質(zhì)點由一個狀態(tài)轉(zhuǎn)移至指定狀態(tài)集合所需的平均時間步長，本文將其視作更新后的形狀間距離，法能夠有效地分析上下文相關(guān)的形狀相似度，顯式地挖掘樣本空間流形中的最短路徑，并消除冗余上下文形狀信息的影響。使用不同數(shù)據(jù)集上進行仿真，實驗結(jié)果證明本文所提方法能夠有效地進