輪廓曲線的形狀描述與匹配算法研究.pdf

1、形狀匹配技術(shù)是機器視覺、模式識別中的一個重要課題，在目標(biāo)跟蹤、視覺導(dǎo)航、圖像配準(zhǔn)和拼接、基于內(nèi)容的圖像檢索等諸多領(lǐng)域都有著十分廣泛的應(yīng)用。雖然很多學(xué)者已經(jīng)對形狀匹配展開了大量的研究工作，但是仍然有很多的難題沒有解決，如形狀的遮擋、匹配效率以及抗噪性能等問題。本文從物體的輪廓出發(fā)，深入研究了輪廓曲線的形狀描述與匹配算法，并將研究成果應(yīng)用于圖形拼接和圖像檢索中。本文的主要研究內(nèi)容和貢獻是：
　　1、介紹了形狀匹配的關(guān)鍵技術(shù)。對形狀匹配

2、做了深入的研究和分析，首先對形狀描述方法做了深入的分析，并分別從基于輪廓的形狀描述符和基于區(qū)域的形狀描述符兩個方面，詳細(xì)分析了常用的形狀描述方法以及每種方法的優(yōu)缺點；然后對形狀匹配算法進行了研究，特別是對相似性度量準(zhǔn)則做了深入的研究。
　　2、改進了傳統(tǒng)的同心圓描述形狀的方法，該描述方法以同心圓為基礎(chǔ)，其描述集由一組半徑和三組角度組成，每組角度分別為 ia、 ib、 ig，通過比較同心圓描述集的差異度來判定形狀的相似度，改進的方法

3、具有了旋轉(zhuǎn)、平移、縮放不變性。
　　3、針對曲線匹配的效率與魯棒性問題，提出了一種基于子矩陣和同心圓劃分的曲線描述與匹配算法。該算法分為粗略匹配和精確匹配兩個階段。粗略匹配階段采用子矩陣方法來描述與匹配曲線。精確匹配階段首先采用改進的同心圓劃分的方法描述曲線；然后通過兩條曲線同心圓描述集的差異度度量函數(shù)來度量其相似性。算法不僅具有旋轉(zhuǎn)、平移、縮放不變性，而且具有較強的魯棒性，可用于遮擋物體的匹配以及圖形拼接。實驗結(jié)果證明了該算法的

4、有效性和可行性。
　　4、針對基于距離聚合向量的形狀描述方法抗噪性能差的不足進行了深入的研究，提出了一種基于多尺度距離聚合向量的形狀匹配算法。該算法首先利用高斯函數(shù)進化圖像輪廓；然后對原圖像和進化后的圖像輪廓分別提取質(zhì)心距離聚合向量，通過合理分配各個向量的權(quán)重融合得到多尺度距離聚合向量。該算法不僅具有平移、旋轉(zhuǎn)、尺度不變性，而且具有較強的抗噪性。將該算法用于圖像的檢索，可取得比原算法更好的檢索效果，對比實驗表明了該算法的有效性和魯