基于非參數(shù)模型的點集匹配算法研究.pdf

1、點集匹配是計算機視覺與模式識別領(lǐng)域一個基礎(chǔ)而關(guān)鍵的問題，其目標(biāo)在于尋找給定兩組點集之間的點點對應(yīng)關(guān)系。點集匹配技術(shù)在立體視覺匹配、目標(biāo)識別與跟蹤、醫(yī)學(xué)圖像分析、遙感圖像處理等方面都有廣泛應(yīng)用，是目前各領(lǐng)域關(guān)注和研究的熱點。點集匹配本質(zhì)上是一個NPC復(fù)雜組合優(yōu)化問題，計算量非常大，且由于噪聲、離群點和非剛性形變的存在，常造成點集匹配結(jié)果的性能大幅下降，嚴(yán)重制約了其工程使用。因此，研究普適高效、魯棒性更強的點集匹配算法具有重要的理論意義和實

2、用價值。
　　為了有效處理噪聲、離群點和非剛性形變等對點集匹配算法性能的影響，本文著手于研究更為普適高效魯棒的點集匹配算法。為此，本文基于非參數(shù)模型提出了一系列新算法，并將其應(yīng)用于圖像特征點匹配、非剛性點集配準(zhǔn)以及非剛性圖像配準(zhǔn)等問題，且取得了良好的實驗效果。論文的主要內(nèi)容如下：
　　首先，針對圖像特征點匹配問題，在正則化技術(shù)和表示定理的框架下，深入研究了向量場插值問題，提出了一種魯棒向量場插值算法稱為向量場一致性VFC，以

3、處理向量場樣本中出現(xiàn)離群點的情況。為提高一般向量場插值算法的計算效率，提出了一種普適的基于稀疏近似的快速算法，其將一般核方法時間和空間復(fù)雜度分別從O(N3)和O(N2)均降到O(N)；在統(tǒng)計學(xué)習(xí)理論背景下嚴(yán)格推導(dǎo)和證明了快速算法產(chǎn)生的次優(yōu)解與原始算法最優(yōu)解的近似界。
　　其次，將VFC應(yīng)用于圖像特征點匹配問題，并從理論上深入探討VFC對圖像空間變換關(guān)系采用的非參數(shù)模型在處理實際問題中的適用性。將VFC推廣到參數(shù)模型和分層運動模型，

4、以彌補其在某些特殊情況下的不足。通過大量定性與定量的實驗以及與處于領(lǐng)先水平點集匹配算法的對比，驗證了VFC作為一種普適算法在解決各種點集匹配問題中的優(yōu)勢，包括滿足單應(yīng)的圖像對、寬基線圖像對、非剛性形變圖像對、誤匹配比率極高的圖像對、以及三維圖像對等。
　　再次，將魯棒L2E估計子引入到點集匹配問題中，提出了一種魯棒點集配準(zhǔn)算法RPM-L2E，并將其應(yīng)用于非剛性稀疏點集匹配問題例如非剛性點集配準(zhǔn)和圖像特征點匹配，以及非剛性稠密點集匹

5、配問題例如非剛性圖像配準(zhǔn)。為測試算法對噪聲、遮擋、離群點、旋轉(zhuǎn)、和尺度變換的魯棒性，在大量公共數(shù)據(jù)集上與處于領(lǐng)先水平的算法作定性和定量的對比，實驗結(jié)果表明RPM-2能得到更精確的點集或圖像配準(zhǔn)結(jié)果。
　　然后，針對計算機圖形學(xué)與圖像處理領(lǐng)域的傳統(tǒng)課題――非剛性圖像變形問題，提出了一種基于移動正則化最小二乘的非剛性圖像變形算法MRLS。該算法可生成生動直觀的變形效果，且計算效率極高可滿足實時性要求，從而不僅為圖像配準(zhǔn)算法定量評估提供