超圖匹配作為解決圖像匹配問(wèn)題的重要方法,被廣泛應(yīng)用在目標(biāo)檢測(cè)、目標(biāo)跟蹤和多媒體分析等諸多方面,對(duì)計(jì)算機(jī)視覺領(lǐng)域的發(fā)展起著重要作用。隨著研究的發(fā)展和應(yīng)用范圍的擴(kuò)大,超圖匹配獲得了越來(lái)越多的關(guān)注。雖然已經(jīng)產(chǎn)生許多超圖匹配算法,但由于求解超圖匹配的數(shù)學(xué)模型常常是NP難的,絕大多數(shù)算法都采用近似的局部最優(yōu)解來(lái)替代目標(biāo)函數(shù)的全局最優(yōu)解。在實(shí)際應(yīng)用中超圖匹配算法也極易受到噪聲、外點(diǎn)以及形變因子等因素的影響從而造成匹配準(zhǔn)確率降低。目前還沒(méi)有算法能完全克服這些困難,因此超圖匹配的主要目的是找到使匹配結(jié)果更準(zhǔn)確且計(jì)算更快的方法。鑒于此,本文重點(diǎn)研究超圖匹配算法,主要工作包括:(1)對(duì)現(xiàn)有超圖匹配算法進(jìn)行總結(jié)分析,指出當(dāng)前張量超圖匹配算法在目標(biāo)函數(shù)求解過(guò)程中存在張量本身不更新導(dǎo)致匹配準(zhǔn)確率降低和目標(biāo)函數(shù)松弛求解難影響匹配效果的問(wèn)題。(2)為解決張量不更新問(wèn)題,本文在概率模型上進(jìn)行證明,給出優(yōu)化張量的方法并提出優(yōu)化張量超圖匹配算法RTM,從而得到更高的匹配準(zhǔn)確率;對(duì)因?yàn)樵黾觾?yōu)化張量步驟而造成的額外計(jì)算時(shí)間消耗,在RTM算法基礎(chǔ)上提出優(yōu)化張量與自適應(yīng)交替增長(zhǎng)超圖匹配算法RATM。該算法通過(guò)自適應(yīng)交替增長(zhǎng)策略,...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 課題研究背景及意義
    1.2 研究面臨的困難和挑戰(zhàn)
    1.3 研究現(xiàn)狀和趨勢(shì)
    1.4 本文的主要研究?jī)?nèi)容
    1.5 本文的框架結(jié)構(gòu)
2 超圖匹配算法概述
    2.1 超圖及其應(yīng)用
    2.2 超圖匹配模型框架
    2.3 超圖匹配算法介紹
        2.3.1 概率圖與超圖匹配方法
        2.3.2 基于隨機(jī)游走的超圖匹配方法
        2.3.3 交替方向圖匹配方法
    2.4 本章小結(jié)
3 基于優(yōu)化張量的超圖匹配算法
    3.1 張量超圖匹配算法
        3.1.1 張量的建立方法
        3.1.2 目標(biāo)函數(shù)的定義和求解
        3.1.3 存在的問(wèn)題
    3.2 算法的詳細(xì)內(nèi)容
        3.2.1 概率解釋及證明
        3.2.2 優(yōu)化張量的方法
        3.2.3 自適應(yīng)交替增長(zhǎng)
    3.3 本章小結(jié)
4 基于CCRP的超圖匹配算法
    4.1 CCRP與圖匹配
        4.1.1 CCRP原理
        4.1.2 GNCCP解決圖匹配
    4.2 算法的詳細(xì)內(nèi)容
    4.3 本章小結(jié)
5 實(shí)驗(yàn)設(shè)計(jì)與分析
    5.1 實(shí)驗(yàn)性能評(píng)價(jià)指標(biāo)
    5.2 實(shí)驗(yàn)設(shè)置
    5.3 實(shí)驗(yàn)結(jié)果及分析
        5.3.1 基于優(yōu)化張量的超圖匹配算法實(shí)驗(yàn)結(jié)果
        5.3.2 基于CCRP的超圖匹配算法實(shí)驗(yàn)結(jié)果
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3756606