基于优化张量的超图匹配算法研究

发布时间：2023-03-05 17:14

　　超图匹配作为解决图像匹配问题的重要方法,被广泛应用在目标检测、目标跟踪和多媒体分析等诸多方面,对计算机视觉领域的发展起着重要作用。随着研究的发展和应用范围的扩大,超图匹配获得了越来越多的关注。虽然已经产生许多超图匹配算法,但由于求解超图匹配的数学模型常常是NP难的,绝大多数算法都采用近似的局部最优解来替代目标函数的全局最优解。在实际应用中超图匹配算法也极易受到噪声、外点以及形变因子等因素的影响从而造成匹配准确率降低。目前还没有算法能完全克服这些困难,因此超图匹配的主要目的是找到使匹配结果更准确且计算更快的方法。鉴于此,本文重点研究超图匹配算法,主要工作包括:(1)对现有超图匹配算法进行总结分析,指出当前张量超图匹配算法在目标函数求解过程中存在张量本身不更新导致匹配准确率降低和目标函数松弛求解难影响匹配效果的问题。(2)为解决张量不更新问题,本文在概率模型上进行证明,给出优化张量的方法并提出优化张量超图匹配算法RTM,从而得到更高的匹配准确率;对因为增加优化张量步骤而造成的额外计算时间消耗,在RTM算法基础上提出优化张量与自适应交替增长超图匹配算法RATM。该算法通过自适应交替增长策略,...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
    1.1 课题研究背景及意义
    1.2 研究面临的困难和挑战
    1.3 研究现状和趋势
    1.4 本文的主要研究内容
    1.5 本文的框架结构
2 超图匹配算法概述
    2.1 超图及其应用
    2.2 超图匹配模型框架
    2.3 超图匹配算法介绍
        2.3.1 概率图与超图匹配方法
        2.3.2 基于随机游走的超图匹配方法
        2.3.3 交替方向图匹配方法
    2.4 本章小结
3 基于优化张量的超图匹配算法
    3.1 张量超图匹配算法
        3.1.1 张量的建立方法
        3.1.2 目标函数的定义和求解
        3.1.3 存在的问题
    3.2 算法的详细内容
        3.2.1 概率解释及证明
        3.2.2 优化张量的方法
        3.2.3 自适应交替增长
    3.3 本章小结
4 基于CCRP的超图匹配算法
    4.1 CCRP与图匹配
        4.1.1 CCRP原理
        4.1.2 GNCCP解决图匹配
    4.2 算法的详细内容
    4.3 本章小结
5 实验设计与分析
    5.1 实验性能评价指标
    5.2 实验设置
    5.3 实验结果及分析
        5.3.1 基于优化张量的超图匹配算法实验结果
        5.3.2 基于CCRP的超图匹配算法实验结果
    5.4 本章小结
6 总结与展望
    6.1 本文总结
    6.2 未来展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集



本文编号：3756606