本文關(guān)鍵詞：基于全局與局部形狀特征融合的形狀識(shí)別算法研究

  更多相關(guān)文章： 形狀識(shí)別 模糊形狀模型 形狀上下文 特征融合

【摘要】：作為計(jì)算機(jī)視覺(jué)的基礎(chǔ)研究課題,形狀識(shí)別有著極為廣泛的應(yīng)用領(lǐng)域,例如,目標(biāo)識(shí)別、字符識(shí)別、醫(yī)學(xué)圖像分析、機(jī)器人導(dǎo)航等。形狀識(shí)別的難點(diǎn)在于,來(lái)自同一類別的形狀,即使經(jīng)過(guò)幾何變換(旋轉(zhuǎn)、平移和尺度變換)或者非線性的形變(噪聲、扭曲、遮擋等),仍能被人眼輕松識(shí)別出來(lái),而對(duì)于計(jì)算機(jī),這便是一個(gè)不小的挑戰(zhàn)。因此,一個(gè)好的形狀識(shí)別算法便成為了讓計(jì)算機(jī)準(zhǔn)確識(shí)別形狀的關(guān)鍵手段。這樣的算法要能忽略來(lái)自同一類別形狀彼此間的形變差異,同時(shí)還要能區(qū)分出不同類別的形狀。一個(gè)完整的形狀識(shí)別過(guò)程主要包含兩個(gè)步驟,首先,描述形狀特征的方式,建立一個(gè)能有效描述形狀的模型,該模型將在算法中代表形狀參與運(yùn)算。其次,一個(gè)形狀的匹配算法,即當(dāng)兩個(gè)形狀進(jìn)行比較時(shí),是如何描述它們之間的差異。形狀識(shí)別算法根據(jù)提取形狀特征模型的尺度不同被分為全局算法與局部算法。經(jīng)典的全局形狀識(shí)別算法雖然高效,但卻無(wú)法獲得足夠的局部細(xì)節(jié)信息,在處理非線性形變方面存在不足。局部形狀識(shí)別算法擁有良好的檢索率,但在辨別力方面的效果卻有待提高,面對(duì)噪聲會(huì)產(chǎn)生誤匹配的情況。所以人們便嘗試著將全局與局部特征融合在一起,來(lái)彌補(bǔ)彼此的不足。本文主要研究了一些基于全局與局部形狀特征的經(jīng)典識(shí)別算法,提出了一種特征點(diǎn)分類的策略,將提取到的特征點(diǎn)進(jìn)一步分類,針對(duì)不同類別的特征點(diǎn)集合采用不同的形狀識(shí)別算法進(jìn)行描述,并將結(jié)果進(jìn)一步地融合,更好地利用了全局與局部算法彼此的優(yōu)勢(shì)。本文主要研究?jī)?nèi)容如下:(1)對(duì)目前形狀識(shí)別領(lǐng)域的成果展開(kāi)了相對(duì)全面的綜述,簡(jiǎn)要地說(shuō)明了該領(lǐng)域的研究現(xiàn)狀,闡述了各類算法的特點(diǎn),分別介紹了基于全局特征的模糊形狀模型(BSM)和基于局部特征的形狀上下文算法(SC),并探討了這兩種方法存在的不足之處,奠定了下一個(gè)階段的研究基礎(chǔ)。(2)本文將在傳統(tǒng)的形狀識(shí)別算法的預(yù)處理階段加入一個(gè)匹配訓(xùn)練環(huán)節(jié),訓(xùn)練數(shù)據(jù)庫(kù)中每個(gè)形狀的類特征點(diǎn),這些類特征點(diǎn)構(gòu)成了形狀的骨架,代表了該類形狀區(qū)別于其他類別的獨(dú)有特征。接著在檢索階段,將被檢索的形狀與數(shù)據(jù)庫(kù)中的對(duì)比形狀所產(chǎn)生的特征點(diǎn)匹配結(jié)果進(jìn)一步分類,分為匹配的類特征點(diǎn)、未匹配點(diǎn)和形變特征點(diǎn)三類。通過(guò)以上兩個(gè)環(huán)節(jié)來(lái)完成分類策略。(3)匹配的類特征點(diǎn)將作為正樣本,未匹配點(diǎn)將作為負(fù)樣本共同參與到全局特征信息的描述上來(lái)。而形變特征點(diǎn)由于代表局部信息以及形變細(xì)節(jié),將作為局部特征信息參與到融合算法中。(4)本文將修改后的模糊形狀模型和形狀上下文算法分別應(yīng)用于上述兩類特征信息,并將結(jié)果進(jìn)行融合生成最終的融合代價(jià)。該代價(jià)將代表兩個(gè)形狀的相似程度,代價(jià)值越小,越相似,反之亦然。實(shí)驗(yàn)結(jié)果表明,文中所提出的框架能夠有效結(jié)合不同算法實(shí)現(xiàn)形狀的識(shí)別并獲得更好的效果。
【關(guān)鍵詞】：形狀識(shí)別 模糊形狀模型 形狀上下文 特征融合
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-17
• 1.1 研究背景及意義11-12
• 1.2 形狀特征概述12-13
• 1.2.1 全局形狀特征12-13
• 1.2.2 局部形狀特征13
• 1.3 形狀識(shí)別算法概述及國(guó)內(nèi)外研究現(xiàn)狀13-15
• 1.3.1 基于輪廓的形狀識(shí)別算法14-15
• 1.3.2 基于區(qū)域的識(shí)別算法15
• 1.4 主要研究?jī)?nèi)容15-16
• 1.5 章節(jié)結(jié)構(gòu)16-17
• 第2章 形狀識(shí)別算法17-23
• 2.1 模糊形狀模型17-20
• 2.1.1 模糊形狀模型概述17
• 2.1.2 模糊形狀模型表示17-20
• 2.2 形狀上下文20-23
• 2.2.1 形狀上下文概述20
• 2.2.2 形狀上下文定義20-23
• 第3章 基于全局與局部特征的融合算法23-37
• 3.1 算法概述23-24
• 3.2 特征點(diǎn)分類策略24-30
• 3.2.1 用于訓(xùn)練階段的分類策略24-27
• 3.2.2 用于檢索階段的分類策略27-30
• 3.3 基于融合框架的算法選擇30-32
• 3.3.1 訓(xùn)練階段的算法選擇30-31
• 3.3.2 檢索階段的算法選擇31
• 3.3.3 融合階段的算法選擇31-32
• 3.4 直方圖匹配32-35
• 3.4.1 相關(guān)32-33
• 3.4.2 卡方33-34
• 3.4.3 直方圖相交34
• 3.4.4 巴氏距離34-35
• 3.5 融合特征代價(jià)的計(jì)算方法35-37
• 第4章 實(shí)驗(yàn)設(shè)計(jì)37-43
• 4.1 MPEG-7 數(shù)據(jù)集37-38
• 4.2 Kimia-99數(shù)據(jù)集38-40
• 4.3 non-planar articulations數(shù)據(jù)集40-42
• 4.4 實(shí)驗(yàn)結(jié)論42-43
• 第5章 總結(jié)和展望43-45
• 5.1 總結(jié)43-44
• 5.2 展望44-45
• 參考文獻(xiàn)45-49
• 作者簡(jiǎn)介及在學(xué)期間所取得的科研成果49-50
• 致謝50

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 胡學(xué)友;胡云龍;;基于獨(dú)立分量分析的形狀識(shí)別[J];工程圖學(xué)學(xué)報(bào);2006年04期

2 陳孝春;葉懋冬;倪臣敏;;一種形狀識(shí)別的方法[J];模式識(shí)別與人工智能;2006年06期

3 鄭丹晨;韓敏;;基于改進(jìn)典型形狀上下文特征的形狀識(shí)別方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年02期

4 曹明宇;范春利;王文棟;;基于有效導(dǎo)熱系數(shù)法的交界面形狀識(shí)別算法[J];紅外與激光工程;2013年09期

5 周曉琪,周俊;基于形態(tài)骨架變換的形狀識(shí)別方法[J];北方交通大學(xué)學(xué)報(bào);1997年01期

6 高振林;覃玉榮;陳妮;何平波;;多細(xì)胞粘連的形狀識(shí)別方法[J];計(jì)算機(jī)工程;2011年12期

7 趙晶,張旭東,高雋;基于支持向量機(jī)的多類形狀識(shí)別系統(tǒng)[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年01期

8 田有文,張長(zhǎng)水,李成華;支持向量機(jī)在植物病斑形狀識(shí)別中的應(yīng)用研究[J];農(nóng)業(yè)工程學(xué)報(bào);2004年03期

9 呂玉增;彭啟民;黎湘;;基于極值特征的不變性形狀識(shí)別[J];電子學(xué)報(bào);2008年04期

10 李樹(shù)祥,劉愛(ài)琴;擴(kuò)散法形狀識(shí)別(一)[J];國(guó)防科技大學(xué)學(xué)報(bào);1987年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 郭樹(shù)華;胡平;李運(yùn)興;;基于傅立葉描述符的閉合曲線形狀識(shí)別[A];第六屆全國(guó)計(jì)算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

2 肖凱濤;于軍玲;王獻(xiàn);;一種基于傅立葉描述符的顆粒圖像形狀識(shí)別方法[A];中國(guó)顆粒學(xué)會(huì)2004年年會(huì)暨海峽兩岸顆粒技術(shù)研討會(huì)會(huì)議文集[C];2004年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 郭nQ;基于全局與局部形狀特征融合的形狀識(shí)別算法研究[D];吉林大學(xué);2016年

2 張學(xué);平面開(kāi)曲線形狀識(shí)別技術(shù)的研究[D];南京航空航天大學(xué);2003年

3 吳妍;數(shù)控制材系統(tǒng)中原木形狀識(shí)別技術(shù)的研究[D];東北林業(yè)大學(xué);2006年

4 客楠楠;偏微分方程在形狀識(shí)別中的應(yīng)用研究[D];北方工業(yè)大學(xué);2009年

5 張波;對(duì)稱集及其在形狀識(shí)別中的應(yīng)用研究[D];北方工業(yè)大學(xué);2008年

6 張麗明;股骨干骨折圖像形狀識(shí)別研究[D];河北大學(xué);2011年

7 張姣姣;基于無(wú)串?dāng)_超聲測(cè)距的物體形狀識(shí)別[D];天津大學(xué);2012年

8 馬慧良;原木形狀識(shí)別機(jī)設(shè)計(jì)理論及實(shí)驗(yàn)研究[D];東北林業(yè)大學(xué);2006年

9 劉文剛;基于支持向量機(jī)的復(fù)合草圖形狀識(shí)別方法[D];天津大學(xué);2007年

10 史晶晶;計(jì)算機(jī)拼圖中形狀識(shí)別算法研究[D];首都師范大學(xué);2009年

，

本文編號(hào)：730813