基于Hausdorff距離的相似性度量方法研究.pdf

1、相似性度量是現(xiàn)代相似性科學(xué)的一種核心技術(shù)。它在圖像識別以及人工智能中的手勢識別和人臉識別、地理信息系統(tǒng)(GIS)中的定位跟蹤算法等領(lǐng)域都有廣泛應(yīng)用。通過提取空間對象的邊緣軌跡并將其轉(zhuǎn)化為對應(yīng)的空間點(diǎn)集，采用計(jì)算兩空間點(diǎn)集的Hausdorff距離來對其進(jìn)行相似性度量是現(xiàn)代相似性科學(xué)中一種主要的常見方法。
　　 目前，常見的Hausdorff離計(jì)算算法采用空間索引技術(shù)R-樹以提高算法的運(yùn)行效率，但容易受到噪聲干擾影響算法計(jì)算Haus

2、dorff距離的準(zhǔn)確性。隨著空間對象的數(shù)據(jù)規(guī)模日益加大，空間對象邊緣軌跡轉(zhuǎn)化而來的空間點(diǎn)集也越來越龐大。因此，對計(jì)算Hausdorff距離的算法的性能要求越來越高，如何在提高算法性能的同時(shí)保證算法計(jì)算Hausdorff距離的準(zhǔn)確度是一個(gè)重要課題。
　　 基于以上分析，本文對如何優(yōu)化Hausdorff距離相似性度量算法做出有意義的探索，本論文所做的主要工作如下：
　　 1.針對目前基于Hausdorff距離的相似性度量方法

3、中普遍存在的遍歷R樹開銷較大，總執(zhí)行時(shí)間開銷偏大的問題，本文提出了一種改進(jìn)型的基于Hausdorff距離的相似性度量方法。與以往算法中數(shù)據(jù)結(jié)構(gòu)為基于R-樹，遍歷方法為深度優(yōu)先或者最佳優(yōu)先方法不同，在本文中，應(yīng)用分支定界原理對中間結(jié)果進(jìn)行剪枝，降低了算法中遍歷R-樹的次數(shù)。仿真實(shí)驗(yàn)結(jié)果表明，本方法顯著地減少了算法的時(shí)間開銷，降低了遍歷R-樹的開銷代價(jià)。
　　 2.針對基于Hausdorff距離的相似性度量方法中仍然存在的抗噪聲干擾

4、性差的問題。本文應(yīng)用遞增的Hausdorff距離相似性度量方法。與基本遍歷R樹并計(jì)算得到Hausdorff距離不同，本文引入一種雙隊(duì)列方向中間存儲結(jié)構(gòu)，遞增地訪問不同對象的R-樹節(jié)點(diǎn)。仿真實(shí)驗(yàn)分析結(jié)果表明，改進(jìn)的基于遞增的Hausdorff距離相似性度量算法，在保證相似性比較結(jié)果準(zhǔn)確性的基礎(chǔ)上，增強(qiáng)了抗噪聲干擾能力。
　　 3.將INC-HD算法應(yīng)用到實(shí)際的民用無人機(jī)遙感圖像處理系統(tǒng)上，經(jīng)實(shí)驗(yàn)驗(yàn)證，通過計(jì)算圖像的特征點(diǎn)之間的Ha