圖像輪廓的特征描述及其單目標(biāo)識別方法研究.pdf

1、近些年來，計(jì)算機(jī)信息交互逐漸從簡單的文字信息交互轉(zhuǎn)換為通過識別圖像信息的交互。在計(jì)算機(jī)視覺高速發(fā)展的時代，越來越多的公司將圖像識別技術(shù)成果轉(zhuǎn)化為實(shí)際產(chǎn)品，應(yīng)用到日常生活、工業(yè)應(yīng)用和軍事活動中。圖像識別方法可根據(jù)圖像的特征分為基于圖像紋理、圖像顏色、圖像輪廓等識別方法。認(rèn)知心理學(xué)專家認(rèn)為，人類視覺對目標(biāo)的輪廓特征比顏色和紋理等特征更敏感，識別的魯棒性和穩(wěn)定性更高，因此基于圖像輪廓的目標(biāo)識別是圖像識別研究的熱點(diǎn)。本論文以圖像的輪廓為識別特征

2、，研究了輪廓保邊去噪的預(yù)處理方法，輪廓特征簡化和描述方法，以及輪廓匹配方法，全文主要研究內(nèi)容如下：
　　研究了自然圖像的平滑預(yù)處理及其在圖像輪廓保邊去噪中的應(yīng)用。首先定義了像素的強(qiáng)度和梯度函數(shù)以控制平滑圖像與原圖像的結(jié)構(gòu)差異，構(gòu)造平滑目標(biāo)函數(shù)。采用變量分裂法對目標(biāo)函數(shù)進(jìn)行優(yōu)化，得到最終平滑模型。最后利用交替最小化方法求解該模型，獲得平滑圖像。對平滑后的自然圖像，進(jìn)行邊緣提取，能夠獲得較好的圖像邊緣，驗(yàn)證了算法在輪廓提取中的預(yù)處理作

3、用。
　　研究了改進(jìn)離散曲線演化的輪廓簡化算法。為了使得輪廓描述和匹配的復(fù)雜度降低，增強(qiáng)輪廓特征對邊界噪聲的魯棒性，同時兼顧輪廓的識別特征，提出一種基于離散曲線演化的輪廓簡化及識別算法。首先定義了控制演化的閾值函數(shù)，改進(jìn)離散曲線演化算法。利用改進(jìn)的離散曲線演化算法對輪廓進(jìn)行特征演化提取，獲得具有重要視覺部件的輪廓，將原來上千個特征點(diǎn)減少到幾百個，簡化了輪廓描述的復(fù)雜度。
　　研究了基于同底三角形面積輪廓描述的目標(biāo)識別算法。有

4、效的輪廓描述方法對于圖像目標(biāo)識別具有重要意義，為此提出了一種基于同底三角形面積的輪廓描述方法。該方法首先定義每個輪廓點(diǎn)的同底三角形面積描述子，并對該描述子進(jìn)行局部平滑，使其更加魯棒。然后采用加權(quán)L1度量方法計(jì)算兩個目標(biāo)所有輪廓點(diǎn)描述子之間的距離，獲得匹配代價矩陣。最后利用DP算法計(jì)算匹配代價矩陣的相似度，實(shí)現(xiàn)匹配識別。在MPEG-7、Kimia以及鉸接形狀數(shù)據(jù)庫上測試表明，該方法對變形目標(biāo)具有良好的魯棒性，且檢索精度較高。
　　研

5、究了用于遮擋目標(biāo)匹配的弦角特征描述方法。為了實(shí)現(xiàn)部分遮擋目標(biāo)的精確匹配，同時兼顧匹配算法的檢索率和運(yùn)算效率，提出一種基于輪廓弦角特征的描述算法。該算法首先構(gòu)造每個輪廓采樣點(diǎn)的弦角特征描述子。然后采用L1度量方法計(jì)算兩個輪廓點(diǎn)的弦描述子之間的距離，獲得匹配代價矩陣。最后利用積分圖算法計(jì)算匹配代價矩陣的相似度，實(shí)現(xiàn)部分遮擋目標(biāo)的識別。在MPEG-7和Kimia216形狀數(shù)據(jù)庫上的測試分析表明，該算法對部分遮擋目標(biāo)具有良好的魯棒性，且提高了運(yùn)

6、算效率，部分匹配的檢索率達(dá)到83.63％，結(jié)果優(yōu)于現(xiàn)有部分遮擋目標(biāo)匹配算法。
　　將本文研究的理論方法應(yīng)用于實(shí)際自然圖像的顯著目標(biāo)檢測中，驗(yàn)證該理論成果的可行性。識別算法步驟如下：對自然圖像進(jìn)行平滑，去除背景噪聲，再對平滑后的圖像進(jìn)行二值化并分割出目標(biāo)；接著對二值圖進(jìn)行輪廓坐標(biāo)提取并進(jìn)行簡化，獲得目標(biāo)輪廓；對輪廓進(jìn)行特征描述，獲得描述符，并與模板庫進(jìn)行匹配，最終得到識別結(jié)果。在自然圖像上的識別結(jié)果驗(yàn)證了本文提出的方法的有效性和適用