基于图理论与稀疏约束模型的图像表示、匹配与识别
发布时间：2021-01-23 14:02
随着计算机技术的快速发展,产生了海量的图像视频等视觉信息数据。如何实现对这些数据的有效分析是当前计算机视觉与机器学习领域中的热点研究问题。图像的特征匹配与识别是计算机视觉中的基本问题。图像匹配能够为识别提供重要基础。此外,匹配问题本身也具有十分重要的理论和应用价值。本文围绕基于图理论与稀疏模型的图像匹配与识别问题展开讨论,在分析传统模型缺乏对图像结构信息的有效利用等问题以及匹配问题具有非负稀疏性质等特点的基础上,研究了基于图理论与稀疏约束模型的图像结构信息表示、匹配与识别方法。在图像特征匹配问题中,利用图模型实现图像特征之间结构信息的稳健表示对解决匹配这一问题具有十分重要的作用,而结构的稳健表示离不开鲁棒图模型的构建。不完善的成像过程和图像内容的多样性使得图像的结构信息表征存在一定的不确定性。因此,传统确定性结构图模型往往无法精确地描述这类含有不确定性的数据。鉴于此,本文提出了一种利用随机图模型来实现图像结构信息的表示方法,称为几何-边随机图模型。几何-边随机图模型具有结构不确定性及演化性等特点,因此适合对不确定性结构信息的表达和提取。研究了几何-边随机图模型的建立,模型的代数表示、匹...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：119 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 主要研究内容及创新之处
1.3 本文的组织结构
第二章 图像表示与识别中的图理论模型
2.1 图像的结构化表示
2.2 图匹配与图像特征匹配
2.3 基于图理论的图像低维嵌入
2.4 本章小结
第三章 几何-边随机图及其在图像结构表示中的应用
3.1 引言
3.2 相关工作
3.2.1 几何图与随机几何图
3.2.2 广义边随机图
3.3 几何-边随机图模型与分析
3.3.1 G-E随机图模型构建
3.3.2 G-E随机图的匹配
3.3.3 G-E随机图的谱嵌入
3.4 基于G-E随机图模型的图像表示
3.5 实验结果与分析
3.5.1 图像特征匹配
3.5.2 图像低维嵌入
3.6 本章小结
p范数稀疏约束模型的图匹配算法">第四章 基于lp范数稀疏约束模型的图匹配算法
4.1 引言
4.2 问题描述
p范数稀疏约束图匹配"> 4.3 lp范数稀疏约束图匹配
4.3.1 一般问题形式
4.3.2 稀疏约束匹配松弛模型
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 稀疏与正交性的关系
4.5 实验结果与分析
4.5.1 模拟图匹配
4.5.2 序列图像特征匹配
4.5.3 真实场景图像特征匹配
4.6 本章小结
1,2范数局部稀疏约束模型的特征匹配算法">第五章 基于l1,2范数局部稀疏约束模型的特征匹配算法
5.1 引言
5.2 问题描述与相关工作
5.3 局部稀疏约束匹配
5.3.1 局部稀疏匹配模型
5.3.2 求解算法与理论分析
5.4 局部稀疏性分析
5.5 实验结果与分析
5.5.1 模拟点集匹配
5.5.2 序列图像特征匹配
5.5.3 自然场景图像特征匹配
5.6 本章小结
第六章 图正则化主成分分析及其在图像识别中的应用
6.1 引言
6.2 相关理论
6.2.1 主成分分析
6.2.2 图拉普拉斯嵌入
6.3 图正则化主成分分析模型与算法
6.3.1 gLPCA模型表示
6.3.2 模型求解与分析
6.4 鲁棒图正则化主成分分析模型与算法
6.4.1 RgLPCA模型表示
6.4.2 模型求解与分析
6.5 实验结果与分析
6.5.1 图像重构与逼近
6.5.2 图像数据嵌入
6.5.3 数据聚类与分类
6.6 本章小结
第七章 总结与展望
参考文献
攻读博士学位期间发表的学术论文
攻读博士学位期间参加的科研项目
致谢
【参考文献】：
期刊论文
[1]基于有向复杂网络模型的形状描述与识别[J]. 汤进,郅大鹏,江波,罗斌. 计算机辅助设计与图形学学报. 2014(11)
[2]迭代的图变换匹配算法[J]. 李婷婷,汤进,江波,罗斌,徐立祥. 中国图象图形学报. 2014(05)
[3]多模复杂网络模型的形状特征提取方法[J]. 郅大鹏,汤进,江波,罗斌. 计算机科学与探索. 2013(06)
[4]基于复杂网络和最优子序列双射的形状描述与匹配[J]. 汤进,陈展展,罗斌,孙登第. 电子学报. 2011(08)
[5]图象角点检测的矢量场方法[J]. 罗斌,Ｅ．Ｒ．Ｈａｎｃｏｃｋ. 中国图象图形学报. 1998(10)
博士论文
[1]基于图理论的图像描述与检索方法研究[D]. 汤进.安徽大学 2007
[2]关联图的谱分析及谱聚类方法研究[D]. 孔敏.安徽大学 2006
[3]基于图的形状描述方法研究[D]. 赵海峰.安徽大学 2006
本文编号：2995348
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：119 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 主要研究内容及创新之处
1.3 本文的组织结构
第二章 图像表示与识别中的图理论模型
2.1 图像的结构化表示
2.2 图匹配与图像特征匹配
2.3 基于图理论的图像低维嵌入
2.4 本章小结
第三章 几何-边随机图及其在图像结构表示中的应用
3.1 引言
3.2 相关工作
3.2.1 几何图与随机几何图
3.2.2 广义边随机图
3.3 几何-边随机图模型与分析
3.3.1 G-E随机图模型构建
3.3.2 G-E随机图的匹配
3.3.3 G-E随机图的谱嵌入
3.4 基于G-E随机图模型的图像表示
3.5 实验结果与分析
3.5.1 图像特征匹配
3.5.2 图像低维嵌入
3.6 本章小结
p范数稀疏约束模型的图匹配算法">第四章 基于lp范数稀疏约束模型的图匹配算法
4.1 引言
4.2 问题描述
p范数稀疏约束图匹配"> 4.3 lp范数稀疏约束图匹配
4.3.1 一般问题形式
4.3.2 稀疏约束匹配松弛模型
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 稀疏与正交性的关系
4.5 实验结果与分析
4.5.1 模拟图匹配
4.5.2 序列图像特征匹配
4.5.3 真实场景图像特征匹配
4.6 本章小结
1,2范数局部稀疏约束模型的特征匹配算法">第五章 基于l1,2范数局部稀疏约束模型的特征匹配算法
5.1 引言
5.2 问题描述与相关工作
5.3 局部稀疏约束匹配
5.3.1 局部稀疏匹配模型
5.3.2 求解算法与理论分析
5.4 局部稀疏性分析
5.5 实验结果与分析
5.5.1 模拟点集匹配
5.5.2 序列图像特征匹配
5.5.3 自然场景图像特征匹配
5.6 本章小结
第六章 图正则化主成分分析及其在图像识别中的应用
6.1 引言
6.2 相关理论
6.2.1 主成分分析
6.2.2 图拉普拉斯嵌入
6.3 图正则化主成分分析模型与算法
6.3.1 gLPCA模型表示
6.3.2 模型求解与分析
6.4 鲁棒图正则化主成分分析模型与算法
6.4.1 RgLPCA模型表示
6.4.2 模型求解与分析
6.5 实验结果与分析
6.5.1 图像重构与逼近
6.5.2 图像数据嵌入
6.5.3 数据聚类与分类
6.6 本章小结
第七章 总结与展望
参考文献
攻读博士学位期间发表的学术论文
攻读博士学位期间参加的科研项目
致谢
【参考文献】：
期刊论文
[1]基于有向复杂网络模型的形状描述与识别[J]. 汤进,郅大鹏,江波,罗斌. 计算机辅助设计与图形学学报. 2014(11)
[2]迭代的图变换匹配算法[J]. 李婷婷,汤进,江波,罗斌,徐立祥. 中国图象图形学报. 2014(05)
[3]多模复杂网络模型的形状特征提取方法[J]. 郅大鹏,汤进,江波,罗斌. 计算机科学与探索. 2013(06)
[4]基于复杂网络和最优子序列双射的形状描述与匹配[J]. 汤进,陈展展,罗斌,孙登第. 电子学报. 2011(08)
[5]图象角点检测的矢量场方法[J]. 罗斌,Ｅ．Ｒ．Ｈａｎｃｏｃｋ. 中国图象图形学报. 1998(10)
博士论文
[1]基于图理论的图像描述与检索方法研究[D]. 汤进.安徽大学 2007
[2]关联图的谱分析及谱聚类方法研究[D]. 孔敏.安徽大学 2006
[3]基于图的形状描述方法研究[D]. 赵海峰.安徽大学 2006
本文编号：2995348
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/2995348.html
