基于幾何形狀的圖像識別——鏈碼技術與聚類分析在形狀識別中的應用.pdf

1、在人的視覺感知、識別和理解中，形狀足一個重要的表達物體信息的參數(shù)。從圖像中提取目標形狀是大多數(shù)目標識別算法需要進行的一個重要步驟。角點是圖像的一種重要的局部特征，是能充分拙述物體形狀的特征點。在基于特征的圖像配準、圖像理解及模式識別等領域中，角點提取具有十分重要的意義。直線、自由曲線是常見的幾何形狀，也是其他更為復雜形狀的基本組成部分。所以研究直線、自由曲線的提取在實踐應用中有著重要的意義。 本文主要在以下幾個方面進行了研究：

2、 ①圖像分割是圖像處理和機器視覺中的一個重要問題。本文中針對采集的圖像存在灰度分布交叉以及一些目標邊緣有毛刺的現(xiàn)象，提出了一種局部灰度密度閾值分割方法和一種去除毛刺的分割方法，解決了灰度分布交叉圖像的閾值分割和目標邊緣上毛刺的去除。 ②鏈碼是圖像處理及模式識別中一種很常用的描述線條、平面曲線及區(qū)域邊界的編碼技術。本文根據(jù)平均鏈碼的特點，提出一種新的角點提取算法--基于平均鏈碼的角點提取算法，新算法采用平均鏈碼差值計算完全替

3、換常用基于Freeman鏈碼角點提取算法中的曲率計算，將計算復雜度降至線性。實驗結果證明，新算法更具有抗噪性、準確性和穩(wěn)定性。此外，文中還利用鏈碼技術，提出一種簡單而有效的直線逼近自由曲線算法，該方法不僅適用于直線、圓弧和非圓曲線，而且還適用于形狀復雜、不能用初等解析函數(shù)直接表示的自由曲線。 ③針對傳統(tǒng)的基于距離計算相似性聚類方法的局限性，本文在研究過程中提出一種基于幾何形狀的點集聚類方法。該方法可以從離散的點集中提取出具有某種

4、拓撲幾何形狀特征的目標對象。并且，此類從離散點集中提取出拓撲幾何結構的點集問題，是Hough變換(包括及其推廣改進的Hough變換)、鏈碼技術等圖像識別領域中傳統(tǒng)方法無法解決的問題。在仿真實驗中，該方法有效地檢測出了分布呈小饒度的曲線形狀點集，從而在一定程度上克服了傳統(tǒng)的基于距離檢測方法的局限性?？梢栽诠こ虉D紙識別、計算機視覺、遙感識別等領域得到應用。 仿真實驗在VC++環(huán)境下研究開發(fā)。仿真結果表明，本文中提出的一系列思想和算法