基于全局与局部形状特征融合的形状识别算法研究

发布时间：2017-08-24 10:32

  本文关键词：基于全局与局部形状特征融合的形状识别算法研究

  更多相关文章： 形状识别 模糊形状模型 形状上下文 特征融合

【摘要】：作为计算机视觉的基础研究课题,形状识别有着极为广泛的应用领域,例如,目标识别、字符识别、医学图像分析、机器人导航等。形状识别的难点在于,来自同一类别的形状,即使经过几何变换(旋转、平移和尺度变换)或者非线性的形变(噪声、扭曲、遮挡等),仍能被人眼轻松识别出来,而对于计算机,这便是一个不小的挑战。因此,一个好的形状识别算法便成为了让计算机准确识别形状的关键手段。这样的算法要能忽略来自同一类别形状彼此间的形变差异,同时还要能区分出不同类别的形状。一个完整的形状识别过程主要包含两个步骤,首先,描述形状特征的方式,建立一个能有效描述形状的模型,该模型将在算法中代表形状参与运算。其次,一个形状的匹配算法,即当两个形状进行比较时,是如何描述它们之间的差异。形状识别算法根据提取形状特征模型的尺度不同被分为全局算法与局部算法。经典的全局形状识别算法虽然高效,但却无法获得足够的局部细节信息,在处理非线性形变方面存在不足。局部形状识别算法拥有良好的检索率,但在辨别力方面的效果却有待提高,面对噪声会产生误匹配的情况。所以人们便尝试着将全局与局部特征融合在一起,来弥补彼此的不足。本文主要研究了一些基于全局与局部形状特征的经典识别算法,提出了一种特征点分类的策略,将提取到的特征点进一步分类,针对不同类别的特征点集合采用不同的形状识别算法进行描述,并将结果进一步地融合,更好地利用了全局与局部算法彼此的优势。本文主要研究内容如下:(1)对目前形状识别领域的成果展开了相对全面的综述,简要地说明了该领域的研究现状,阐述了各类算法的特点,分别介绍了基于全局特征的模糊形状模型(BSM)和基于局部特征的形状上下文算法(SC),并探讨了这两种方法存在的不足之处,奠定了下一个阶段的研究基础。(2)本文将在传统的形状识别算法的预处理阶段加入一个匹配训练环节,训练数据库中每个形状的类特征点,这些类特征点构成了形状的骨架,代表了该类形状区别于其他类别的独有特征。接着在检索阶段,将被检索的形状与数据库中的对比形状所产生的特征点匹配结果进一步分类,分为匹配的类特征点、未匹配点和形变特征点三类。通过以上两个环节来完成分类策略。(3)匹配的类特征点将作为正样本,未匹配点将作为负样本共同参与到全局特征信息的描述上来。而形变特征点由于代表局部信息以及形变细节,将作为局部特征信息参与到融合算法中。(4)本文将修改后的模糊形状模型和形状上下文算法分别应用于上述两类特征信息,并将结果进行融合生成最终的融合代价。该代价将代表两个形状的相似程度,代价值越小,越相似,反之亦然。实验结果表明,文中所提出的框架能够有效结合不同算法实现形状的识别并获得更好的效果。
【关键词】：形状识别 模糊形状模型 形状上下文 特征融合
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-17
• 1.1 研究背景及意义11-12
• 1.2 形状特征概述12-13
• 1.2.1 全局形状特征12-13
• 1.2.2 局部形状特征13
• 1.3 形状识别算法概述及国内外研究现状13-15
• 1.3.1 基于轮廓的形状识别算法14-15
• 1.3.2 基于区域的识别算法15
• 1.4 主要研究内容15-16
• 1.5 章节结构16-17
• 第2章 形状识别算法17-23
• 2.1 模糊形状模型17-20
• 2.1.1 模糊形状模型概述17
• 2.1.2 模糊形状模型表示17-20
• 2.2 形状上下文20-23
• 2.2.1 形状上下文概述20
• 2.2.2 形状上下文定义20-23
• 第3章 基于全局与局部特征的融合算法23-37
• 3.1 算法概述23-24
• 3.2 特征点分类策略24-30
• 3.2.1 用于训练阶段的分类策略24-27
• 3.2.2 用于检索阶段的分类策略27-30
• 3.3 基于融合框架的算法选择30-32
• 3.3.1 训练阶段的算法选择30-31
• 3.3.2 检索阶段的算法选择31
• 3.3.3 融合阶段的算法选择31-32
• 3.4 直方图匹配32-35
• 3.4.1 相关32-33
• 3.4.2 卡方33-34
• 3.4.3 直方图相交34
• 3.4.4 巴氏距离34-35
• 3.5 融合特征代价的计算方法35-37
• 第4章 实验设计37-43
• 4.1 MPEG-7 数据集37-38
• 4.2 Kimia-99数据集38-40
• 4.3 non-planar articulations数据集40-42
• 4.4 实验结论42-43
• 第5章 总结和展望43-45
• 5.1 总结43-44
• 5.2 展望44-45
• 参考文献45-49
• 作者简介及在学期间所取得的科研成果49-50
• 致谢50

【相似文献】

中国期刊全文数据库 前10条

1 胡学友;胡云龙;;基于独立分量分析的形状识别[J];工程图学学报;2006年04期

2 陈孝春;叶懋冬;倪臣敏;;一种形状识别的方法[J];模式识别与人工智能;2006年06期

3 郑丹晨;韩敏;;基于改进典型形状上下文特征的形状识别方法[J];计算机辅助设计与图形学学报;2013年02期

4 曹明宇;范春利;王文栋;;基于有效导热系数法的交界面形状识别算法[J];红外与激光工程;2013年09期

5 周晓琪,周俊;基于形态骨架变换的形状识别方法[J];北方交通大学学报;1997年01期

6 高振林;覃玉荣;陈妮;何平波;;多细胞粘连的形状识别方法[J];计算机工程;2011年12期

7 赵晶,张旭东,高隽;基于支持向量机的多类形状识别系统[J];合肥工业大学学报(自然科学版);2004年01期

8 田有文,张长水,李成华;支持向量机在植物病斑形状识别中的应用研究[J];农业工程学报;2004年03期

9 吕玉增;彭启民;黎湘;;基于极值特征的不变性形状识别[J];电子学报;2008年04期

10 李树祥,刘爱琴;扩散法形状识别(一)[J];国防科技大学学报;1987年02期

中国重要会议论文全文数据库 前2条

1 郭树华;胡平;李运兴;;基于傅立叶描述符的闭合曲线形状识别[A];第六届全国计算机应用联合学术会议论文集[C];2002年

2 肖凯涛;于军玲;王献;;一种基于傅立叶描述符的颗粒图像形状识别方法[A];中国颗粒学会2004年年会暨海峡两岸颗粒技术研讨会会议文集[C];2004年

中国硕士学位论文全文数据库 前10条

1 郭nQ;基于全局与局部形状特征融合的形状识别算法研究[D];吉林大学;2016年

2 张学;平面开曲线形状识别技术的研究[D];南京航空航天大学;2003年

3 吴妍;数控制材系统中原木形状识别技术的研究[D];东北林业大学;2006年

4 客楠楠;偏微分方程在形状识别中的应用研究[D];北方工业大学;2009年

5 张波;对称集及其在形状识别中的应用研究[D];北方工业大学;2008年

6 张丽明;股骨干骨折图像形状识别研究[D];河北大学;2011年

7 张姣姣;基于无串扰超声测距的物体形状识别[D];天津大学;2012年

8 马慧良;原木形状识别机设计理论及实验研究[D];东北林业大学;2006年

9 刘文刚;基于支持向量机的复合草图形状识别方法[D];天津大学;2007年

10 史晶晶;计算机拼图中形状识别算法研究[D];首都师范大学;2009年

，

本文编号：730813