二維物體識別是計算機視覺和人工智能領(lǐng)域的一個經(jīng)典任務(wù),被廣泛地應(yīng)用于圖像理解、目標(biāo)識別和場景分析等應(yīng)用中。物體識別的基本問題是物體的表示和描述,通用的方法是借助于物體的顏色、紋理或形狀信息。其中,形狀也許是物體最為直觀、重要的描述,僅通過形狀信息,人類仍然可以輕松識別不同的物體及其類別。所以,基于形狀的物體高效表示及識別一直是相關(guān)研究的熱點問題之一。近期,二維形狀表示及識別方面的研究進(jìn)展包括基于深度神經(jīng)網(wǎng)絡(luò)的方法和基于生物信息學(xué)的方法等。不過,深度神經(jīng)網(wǎng)絡(luò)架構(gòu)多針對二維圖像分析領(lǐng)域設(shè)計,且一般需要大規(guī)模的標(biāo)記樣本,由于公開的二維形狀數(shù)據(jù)集的樣本規(guī)模往往較小,制約了深度神經(jīng)網(wǎng)絡(luò)在二維形狀領(lǐng)域中的推廣�；谏镄畔W(xué)的二維形狀表示的基本思想是把二維形狀的輪廓轉(zhuǎn)化為生物信息序列,借助標(biāo)準(zhǔn)的生物信息序列分析工具來進(jìn)行二維形狀的匹配和識別。目前的基于生物信息學(xué)的二維形狀識別的發(fā)展也存在一些問題。第一,對形狀進(jìn)行編碼是在形狀的輪廓上進(jìn)行,編碼有時會產(chǎn)生冗余,實驗中識別準(zhǔn)確率不高;第二,目前二維形狀的生物信息編碼技術(shù),未充分考慮如何使形狀編碼序列具有更多基因?qū)用娴男畔�。第�?在匹配階段基本使用的還是... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．２形狀匹配示意圖??Ｆｉｇ．?１．２?Ｔｈｅ?ｉｌｌｕｓｔｒａｔｉｏｎ?ｏｆ?ｓｈａｐｅ?ｍａｔｃｈｉｎｇ??

方法研宄???２相關(guān)研究內(nèi)容介紹??本章主要介紹論文相關(guān)的形狀描述與形狀匹配方法，為下一章論文的主要工作做預(yù)??備知識的鋪墊。首先，概述了基于輪廓的形狀表示、基于骨架的形狀表示方法及具有代??表性的形狀描述符。然后，介紹了生物信息序列的匹配和分析工具，包括全局比較工具??和局部比較工具。最后，由于論文使用了全局特征描述符對所提出的形狀信息編碼方案??進(jìn)行輔助，所以本章也會對涉及到的全局特征描述符進(jìn)行簡要概述。??２．?１二維形狀的描述方法??如何高效地描述一個給定的形狀，如圖２．１所示，是形狀識別或檢索的基本問題。??原始形狀數(shù)據(jù)往往是由二維像素矩陣表示，顯然，像素矩陣本身并不具備在形狀發(fā)生平??移、旋轉(zhuǎn)或者放縮等變換時的不變性，而這些變換是日常形狀數(shù)據(jù)經(jīng)常發(fā)生的ｔ３６］。所以，??需要從像素矩陣中提取出更為魯棒的表示方法。如前所述，研宄人員一般關(guān)注于如何借??助于形狀的輪廓、區(qū)域和骨架設(shè)計特征描述符，分別對應(yīng)于圖２．１中動物形狀的黑色邊??緣、淺綠色內(nèi)部和棱色骨骼三個部分。本文主要關(guān)注的是基于輪廓和基于骨架的二維形??狀表示及識別方法，下面分別對形狀的輪廓和形狀的骨骼進(jìn)行規(guī)范的數(shù)學(xué)描述，同時介??紹一些經(jīng)典的形狀描述符。??圖２．１二維形狀輪廓、骨架及其區(qū)域表示??Ｆｉｇ．?２．１?Ｔｈｅ?ｃｏｎｔｏｕｒ，?ｓｋｅｌｅｔｏｎ?ａｎｄ?ｉｎｎｅｒ?ｒｅｇｉｏｎ?ｏｆ?２Ｄ?ｓｈａｐｅｓ??２．１．１形狀的輪廓表示??為簡化問題，本文考慮的二維形狀輪廓為零虧格的簡單曲線，這也是日常生活中絕??大多數(shù)二維形狀的形式。所以，形狀輪廓可以看成是由己知順序（逆時針或順時針）的輪??廓點首尾相連形成的閉合曲線，如圖２．２

?大連海事大學(xué)碩士學(xué)位論文???形狀輪廓由多個輪廓段構(gòu)成［３７］。所以本文假設(shè)形狀輪廓６１?＝?？〇｜／￡［１，？］｝，４〇表示??構(gòu)成輪廓的像素點，ｎ表示像素級輪廓點的數(shù)量。??由于形狀輪廓點的數(shù)量往往比較多，為了簡化計算，一般利用等間隔采樣的方法對??輪廓點進(jìn)行下采樣，得到采樣后的輪廓點集合（＾＝丨６／（〇｜／￡［１，所］丨，￡／（／）表示采樣后??的輪廓點，ｍ表示采樣后的輪廓點數(shù)量，圖２．２（ｃ）表示采樣后的形狀輪廓�？梢钥闯�，??適當(dāng)?shù)牟蓸宇l率能夠在減少輪廓點數(shù)量的同時保留形狀的細(xì)節(jié)。當(dāng)然，可以依照輪廓的??幾何特征進(jìn)行不均勻采樣，從而得到更高效的輪廓采樣表示，不過這不是本文關(guān)注的內(nèi)??容。采樣后，形狀輪廓也可以表示為＝?丨，／（／）表示由采樣后的輪廓點??構(gòu)成的輪廓段，ｆ為輪廓段的個數(shù)。由于輪廓點是有序排列且首尾相連的，所以由相鄰??輪廓點構(gòu)成的輪廓段也是有序排列且首尾相連的。??＜⑷．丨丨?（ｂ）?（ｃ）??圖２．２形狀圖像及其輪廓??Ｆｉｇ．?２．２?Ａ?ｓｈａｐｅ?ｉｍａｇｅ?ａｎｄ?ｉｔｓ?ｃｏｎｔｏｕｒ??２．?１．２基于輪廓的形狀表示方法??Ｉ??基于輪廓的形表示方法是二維形狀描述中最為通用的一類方法，在二維形狀識別??中有著廣泛的應(yīng)用�；谳喞男螤畋硎镜膬�(yōu)點包括：可以把二維形狀整體信息與局部??信息有機地結(jié)合在一起，從而能夠較準(zhǔn)確地描述形狀結(jié)構(gòu)特征：可以與多種形狀匹配算??法組合，靈活地采用基于動態(tài)規(guī)劃的形狀匹配或基于詞典的形狀索引及匹配：通過圖像??分割及物體邊界提取，可以方便地應(yīng)用于自然圖像的形狀識別，具有較好的實用性。??研究人員提出了多種基于輪廓的形狀表示方法，本節(jié)以代


本文編號：2980938