隨著計算機技術的快速發(fā)展,產生了海量的圖像視頻等視覺信息數據。如何實現(xiàn)對這些數據的有效分析是當前計算機視覺與機器學習領域中的熱點研究問題。圖像的特征匹配與識別是計算機視覺中的基本問題。圖像匹配能夠為識別提供重要基礎。此外,匹配問題本身也具有十分重要的理論和應用價值。本文圍繞基于圖理論與稀疏模型的圖像匹配與識別問題展開討論,在分析傳統(tǒng)模型缺乏對圖像結構信息的有效利用等問題以及匹配問題具有非負稀疏性質等特點的基礎上,研究了基于圖理論與稀疏約束模型的圖像結構信息表示、匹配與識別方法。在圖像特征匹配問題中,利用圖模型實現(xiàn)圖像特征之間結構信息的穩(wěn)健表示對解決匹配這一問題具有十分重要的作用,而結構的穩(wěn)健表示離不開魯棒圖模型的構建。不完善的成像過程和圖像內容的多樣性使得圖像的結構信息表征存在一定的不確定性。因此,傳統(tǒng)確定性結構圖模型往往無法精確地描述這類含有不確定性的數據。鑒于此,本文提出了一種利用隨機圖模型來實現(xiàn)圖像結構信息的表示方法,稱為幾何-邊隨機圖模型。幾何-邊隨機圖模型具有結構不確定性及演化性等特點,因此適合對不確定性結構信息的表達和提取。研究了幾何-邊隨機圖模型的建立,模型的代數表示、匹... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數】：119 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景與意義
    1.2 主要研究內容及創(chuàng)新之處
    1.3 本文的組織結構
第二章 圖像表示與識別中的圖理論模型
    2.1 圖像的結構化表示
    2.2 圖匹配與圖像特征匹配
    2.3 基于圖理論的圖像低維嵌入
    2.4 本章小結
第三章 幾何-邊隨機圖及其在圖像結構表示中的應用
    3.1 引言
    3.2 相關工作
        3.2.1 幾何圖與隨機幾何圖
        3.2.2 廣義邊隨機圖
    3.3 幾何-邊隨機圖模型與分析
        3.3.1 G-E隨機圖模型構建
        3.3.2 G-E隨機圖的匹配
        3.3.3 G-E隨機圖的譜嵌入
    3.4 基于G-E隨機圖模型的圖像表示
    3.5 實驗結果與分析
        3.5.1 圖像特征匹配
        3.5.2 圖像低維嵌入
    3.6 本章小結
p范數稀疏約束模型的圖匹配算法">第四章 基于l_p范數稀疏約束模型的圖匹配算法
    4.1 引言
    4.2 問題描述
p范數稀疏約束圖匹配">    4.3 l_p范數稀疏約束圖匹配
        4.3.1 一般問題形式
        4.3.2 稀疏約束匹配松弛模型
        4.3.3 匹配算法
    4.4 稀疏正交性分析
        4.4.1 稀疏正交性的度量
        4.4.2 稀疏與正交性的關系
    4.5 實驗結果與分析
        4.5.1 模擬圖匹配
        4.5.2 序列圖像特征匹配
        4.5.3 真實場景圖像特征匹配
    4.6 本章小結
1,2范數局部稀疏約束模型的特征匹配算法">第五章 基于l_1,2范數局部稀疏約束模型的特征匹配算法
    5.1 引言
    5.2 問題描述與相關工作
    5.3 局部稀疏約束匹配
        5.3.1 局部稀疏匹配模型
        5.3.2 求解算法與理論分析
    5.4 局部稀疏性分析
    5.5 實驗結果與分析
        5.5.1 模擬點集匹配
        5.5.2 序列圖像特征匹配
        5.5.3 自然場景圖像特征匹配
    5.6 本章小結
第六章 圖正則化主成分分析及其在圖像識別中的應用
    6.1 引言
    6.2 相關理論
        6.2.1 主成分分析
        6.2.2 圖拉普拉斯嵌入
    6.3 圖正則化主成分分析模型與算法
        6.3.1 gLPCA模型表示
        6.3.2 模型求解與分析
    6.4 魯棒圖正則化主成分分析模型與算法
        6.4.1 RgLPCA模型表示
        6.4.2 模型求解與分析
    6.5 實驗結果與分析
        6.5.1 圖像重構與逼近
        6.5.2 圖像數據嵌入
        6.5.3 數據聚類與分類
    6.6 本章小結
第七章 總結與展望
參考文獻
攻讀博士學位期間發(fā)表的學術論文
攻讀博士學位期間參加的科研項目
致謝


【參考文獻】：
期刊論文
[1]基于有向復雜網絡模型的形狀描述與識別[J]. 湯進,郅大鵬,江波,羅斌.  計算機輔助設計與圖形學學報. 2014(11)
[2]迭代的圖變換匹配算法[J]. 李婷婷,湯進,江波,羅斌,徐立祥.  中國圖象圖形學報. 2014(05)
[3]多模復雜網絡模型的形狀特征提取方法[J]. 郅大鵬,湯進,江波,羅斌.  計算機科學與探索. 2013(06)
[4]基于復雜網絡和最優(yōu)子序列雙射的形狀描述與匹配[J]. 湯進,陳展展,羅斌,孫登第.  電子學報. 2011(08)
[5]圖象角點檢測的矢量場方法[J]. 羅斌,Ｅ．Ｒ．Ｈａｎｃｏｃｋ.  中國圖象圖形學報. 1998(10)

博士論文
[1]基于圖理論的圖像描述與檢索方法研究[D]. 湯進.安徽大學 2007
[2]關聯(lián)圖的譜分析及譜聚類方法研究[D]. 孔敏.安徽大學 2006
[3]基于圖的形狀描述方法研究[D]. 趙海峰.安徽大學 2006



本文編號：2995348